Gustavo Domingos da Costa Coelho Soutinho
Estimação do uso e ocupação dosolo ao nível das NUTS 2 e NUTS 3
Gust
avo
Sout
inho
Outubro de 2014UMin
ho |
201
4Es
timaç
ão d
o us
o e
ocup
ação
do
solo
ao
níve
l das
NUT
S 2
e N
UTS
3
Universidade do MinhoEscola de Ciências
Outubro de 2014
Tese de MestradoEstatística
Trabalho efectuado sob a orientação deProfessora Doutora Susana Margarida Ferreira SáFariaProfessora Doutora Raquel Menezes da Mota Leite
e co-orientação deProfessor Doutor Pedro José Ramos Moreira CamposMestre Maria da Conceição da Silva Ferreira
Gustavo Domingos da Costa Coelho Soutinho
Estimação do uso e ocupação dosolo ao nível das NUTS 2 e NUTS 3
Universidade do MinhoEscola de Ciências
i
Agradecimentos
Dedido este trabalho ao meu filho Luís Afonso e à minha família pelo carinho,
apoio e incentivo que sempre me deram ao longo destes meses.
Um agradecimento muito especial às professoras Susana Faria e Raquel
Menezes e aos meus orientadores do Instituto Nacional de Estatística, Pedro
Campos e Conceição Ferreira, pelos conhecimentos científicos, disponibilidade e
o humanismo revelados na realização deste trabalho.
Agradeço igualmente ao Instituto Nacional de Estatística pela possibilidade que
me deu em realizar um estágio pedagógico que considero ter sido muito
importante para o meu enriquecimento em termos estatísticos e profissionais.
Por fim, gostava também de relembrar os meus colegas de mestrado com quem
partilhei momentos de amizade, confraternização e de aprendizagem que jamais
esquecerei.
A todos, o meu mais profundo agradecimento.
iii
Resumo
Land Use and Cover Area Frame Statistical Survey (LUCAS) é um projeto de
amostragem areolar em duas fases (doubling area frame sampling) que tem sido
implementado pelo Eurostat com o intuito de uniformizar a multiplicidade de
sistemas de classificação existentes nos países membros da União Europeia.
De modo a aferir a viabilidade do LUCAS se tornar o método de amostragem
espacial preferêncial ao nível do espaço europeu para a obtenção de
estatísticas, os países participantes no LUCAS (incluindo Portugal)
desenvolveram o estudo LUCAS piloto (“sinergias entre o LUCAS e Sistemas de
classificação nacionais”) no âmbito do qual foi realizado este trabalho. Para além
da obtenção de estimativas para as áreas de uso e ocupação do solo ao nível
das NUTS 1, NUTS 2 e NUTS 3, foram quantificadas as diferenças entre as
estimativas obtidas através do LUCAS e as áreas provenientes de sistemas de
classificação nacionais.
Pelos resultados obtidos, ao nível 1 da nomenclatura de classificação do LUCAS
por NUTS 2, observa-se que para a generalidade das classes de uso e
ocupação do solo as estimativas das áreas apresentam precisões abaixo dos
valores máximos estipulados pelo Eurostat. Para os níveis 2 e 3 da
nomenclatura de classificação, observou-se uma diminuição da precisão das
estimativas devido ao menor número de pontos pertencentes a cada classe. No
que se refere às NUTS 3, excetuando algumas classes, o esquema de
amostragem usado no LUCAS evidenciou fornecer estimativas com precisões
baixas.
Relativamente às diferenças entre os diferentes sistemas de classificação, os
resultados obtidos confirmaram, ao nível das NUTS 2 e NUTS 3, diferenças
significativas. As diferenças observadas podem dever-se a alguns dos seguintes
factores: dificuldades na uniformização das nomenclaturas usadas nos sistemas
de classificação nacionais comparativamente com a proposta no projeto LUCAS;
os sistemas de classificação basearem-se em abordagens de amostragem
espacial muito diferentes; o facto de haver um iato temporal entre as fontes de
dados utilizadas.
v
Abstract
Land Use and Cover Area Frame Statistical Survey (LUCAS) is a doubling area
frame sampling project conducted by Eurostat in order to uniform a large number
of national data sources with different land cover and land use classification
systems existing through European countries.
With the propose to assess whether LUCAS may become in European zone the
preferable spatial sampling method for obtaining estimates, countries which
belong to the project carried out a pilot study (“synergies among LUCAS and
National data sources”) under which this work was conducted. In addition to
obtaining land use and land cover areas estimates at NUTS 1, NUTS 2 and
NUTS3, the differences between LUCAS estimation and NDS (National Data
Sources) estimation were computed.
By computing the results at level 1 of LUCAS nomenclature and at NUTS 2, it is
observed that the major part of land cover and land use classes reveal levels of
precision which stand under the maximum values defined by Eurostat at NUTS 2.
As it was expected, at NUTS level 2 and 3 when compared to level 1, precisions
decrease due to the small number of points belonging to each class. With
regards to NUTS 3, apart from some classes, the number of points selected in
the sampling scheme used in LUCAS seems not to be appropriated due to high
coefficients of variation.
Concerning the differences between LUCAS and NDS estimates, at level NUTS 2
and NUTS 3, considerable differences exist which may due to: the difficultty to
uniform the nomenclature used in NDS when compared to LUCAS nomenclature;
classification systems based on different spatial sampling approaches; the
temporal gap among the data sources used.
vii
Abreviaturas
AFN – Autoridade Florestal Nacional
COS – Carta de Ocupação do Solo
CV – Coeficiente de Variação
DG AGRI - Diretório Geral para o Desenvolvimento Agrícola e Rural
DGT – Direção Geral do Território
EC – Comissão Europeia
EEA - Agência Ambiental Europeia
UE – União Europeia
EUNIS - European University Information Systems
FAO – Food and Agriculture Organization
GEE – Gases com Efeito Estufa
GRTS - Generalized Random-Tessellation Stratified
HRL - High Resolution Layers
IFN – Inventário de Florestas Nacionais
INE – Instituto Nacional de Estatística
LC – Land Cover (ocupação do solo)
LU – Land Use (uso do solo)
LUCAS- Land Use/Cover Area Frame Sampling
LUCC – Land Use and land Cover Classes
NDS – National Data Sources
NRCS - Natural Resources Conservation Service
NRI - National Resources Inventory
NUTS – Nomenclatura das Unidades Territoriais para Fins Estatísticos
- Peso da segunda fase de estratificação
PSU – Unidades de Amostragem Principais
SEI - Shannon Evenness Index
SIG – Sistemas de Informação Geográfica
SSU – Unidades de Amostragem Secundárias
TIG – Tecnologias de Informação Geográfica
– Peso da primeira fase de estratificação
ix
Índice
Índice .............................................................................................................................. ix
Lista de figuras .............................................................................................................. xiii
Lista de tabelas .............................................................................................................. xv
Capítulo 1: Introdução ...................................................................................................... 1
1.1. Enquadramento ................................................................................................. 1
1.2. Motivação .......................................................................................................... 1
1.3. Objetivos ........................................................................................................... 2
1.4. Métodos utilizados ............................................................................................. 3
1.5. Estrutura do trabalho ......................................................................................... 3
Capítulo 2: Generalidades sobre amostragem e estimação espacial ............................... 5
2.1. Unidades amostrais ........................................................................................... 5
2.2. Correlação espacial ........................................................................................... 6
2.3. Heterogeneidade espacial ................................................................................. 7
2.4. Métodos de estimação ....................................................................................... 8
2.4.1. Métodos design-based ............................................................................... 8
2.4.2. Métodos model-based ................................................................................ 9
2.5. Esquemas de amostragem .............................................................................. 10
2.5.1. Amostragem aleatória simples .................................................................. 11
2.5.2. Amostragem aleatória estratificada ........................................................... 11
2.5.3. Amostragem aleatória por clusters (grupos) ............................................. 12
2.5.4. Amostragem aleatória sistemática ............................................................ 13
2.5.5. Amostragem aleatória multietápica ........................................................... 14
2.5.6. Amostragem aleatória multifásica ............................................................. 15
2.5.7. Amostragem espacialmente balanceada (spatially-balanced sampling) ...... 16
2.6. Estimação ........................................................................................................ 17
2.6.1. Conceitos fundamentais ........................................................................... 17
2.6.2. Métodos de estimação .............................................................................. 19
2.7. Estimadores relacionados com os esquemas de amostragem ........................ 20
2.7.1. Amostragem aleatória simples .................................................................. 20
2.7.2. Amostragem aleatória estratificada ........................................................... 21
2.7.3. Amostragem aleatória por clusters (grupos) ............................................. 23
x
2.7.4. Amostragem aleatória sistemática ............................................................ 24
2.7.5. Amostragem aleatória em duas etapas ..................................................... 24
2.7.6. Amostragem aleatória em duas fases (por estratificação)......................... 25
2.8. Projetos de amostragem areolar sobre uso e ocupação do Solo ..................... 26
2.8.1. Inventário de Florestas Nacional (IFN)...................................................... 26
2.8.2. Projeto Landyn ......................................................................................... 28
2.8.3. Projeto TERUTI ........................................................................................ 28
2.8.4. Projeto Countryside Survey ...................................................................... 29
2.8.5. Projeto National Resources Inventory (NRI) ............................................. 29
Capítulo 3: Land Use and Cover Area Frame Statistical Survey (LUCAS) ..................... 31
3.1. Objetivos do projeto LUCAS ............................................................................ 32
3.2. Sistema de classificação do projeto LUCAS .................................................... 33
3.2.1. Classes de ocupação do solo ................................................................... 33
3.2.2. Classes de uso do solo ............................................................................. 34
3.2.3. Comparabilidade da nomenclatura de classificação do projeto LUCAS com
outros sistemas de classificação ............................................................................. 35
3.3. Esquema de amostragem implementado no LUCAS ....................................... 36
3.3.1. Primeira fase do esquema de amostragem .............................................. 37
3.3.2. Segunda fase do esquema de amostragem ............................................. 38
3.4. Metodologia de estimação utilizada ................................................................. 40
3.4.1. Descrição dos tipos de pesos referentes à metodologia de estimação ..... 41
3.4.2. Cálculo dos pesos e , por NUTS 1 e NUTS 3 ......................... 47
3.4.3. Estimadores para a proporção e área total ............................................... 48
3.4.4. Estimador para a variância da proporção e área total ............................... 49
Capítulo 4: Resultados obtidos ...................................................................................... 51
4.1. Análise exploratória da base de dados LUCAS survey .................................... 51
4.1.1. Tipo de estrato (variável STRATA) ........................................................... 53
4.1.1.1. Distribuição do tipo de estrato na amostra da primeira fase .............................. 53
4.1.1.2. Distribuição do tipo de estrato na amostra da segunda fase............................... 55
4.1.2. Classes de ocupação do solo (variáveis LC1 e LC2) ................................ 57
4.1.2.1. Distribuição do tipo de classe de ocupação do solo por NUTS 1, 2 e 3 ................ 57
4.1.2.2. Distribuição de pontos com duplos registos para as variáveis LC1 e LC2 ............ 61
4.1.2.3. Alteração do tipo de classe de ocupação do solo entre 2009 e 2012 .................. 62
4.1.3. Classes de uso do solo (variáveis LU1 e LU2) .......................................... 63
4.1.3.1. Distribuição do tipo de classe de uso do solo por NUTS 1, NUTS 2 e NUTS 3 ...... 63
xi
4.1.4. Raio atribuido ao ponto (variável OBS_RADIUS) ..................................... 64
4.1.4.1. Distribuição dos pontos por tipo de raio observado (NUTS 2 e NUTS 3) ............. 65
4.1.4.2. Distribuição dos pontos por tipo de raio (classes de ocupação do solonível 1)... 66
4.1.5. Variável AREA_SIZE (dimensão da área em torno do ponto) ................... 67
4.1.5.1. Distribuição dos pontos por tipo de area size (ao nível das NUTS 2) ................... 67
4.1.5.2. Distribuição dos pontos por tipo dearea size (Nível 1 das classes de ocupação) 68
4.2. Estimativas para as classes de ocupação do solo ........................................... 69
4.2.1. Avaliação das estimativas para a NUTS 1 ............................................................. 69
4.2.1.1. Nível 1 (da nomenclatura de classificação LUCAS) ............................................... 69
4.2.1.2. Nível 2 (da nomenclatura de classificação LUCAS) ............................................... 70
4.2.1.3. Nível 3 (da nomenclatura de classificação LUCAS) ............................................... 70
4.2.2. Avaliação das estimativas para a NUTS 2 ................................................ 72
4.2.2.1. Nível 1 (da nomenclatura de classificação LUCAS) ............................................... 72
4.2.2.2. Nível 2 e 3 (da nomenclatura de classificação LUCAS) ......................................... 73
4.2.3. Avaliação das estimativas para a NUTS 3 ................................................ 74
4.2.3.1. Nível 1 (da nomenclatura de classificação LUCAS) ............................................... 74
4.2.3.2. Para o nível 2 e 3 (da nomenclatura de classificação LUCAS) .............................. 74
4.3. Comparação de estimativas para as classes de ocupação do solo ................. 76
4.3.1. Nível 1 da nomenclatura de classificação LUCAS .................................... 76
4.3.1.1. Comparação de resultados por NUTS 1 (Portugal Continental) ........................... 76
4.3.1.2. Comparação de resultados por NUTS 2 ................................................................ 77
4.3.1.3. Comparação de resultados por NUTS 3 ................................................................ 77
4.3.2. Nível 2 e 3 da nomenclatura de classificação LUCAS .............................. 79
4.3.2.1. Comparação de resultados por NUTS 1 (Portugal Continental) ........................... 79
4.3.2.2. Comparação de resultados por NUTS 2 ................................................................ 80
4.3.2.3. Comparação de resultados por NUTS 3 ................................................................ 81
4.4. Estimativas para as classes de uso do solo ..................................................... 82
4.5. Comparação de estimativas para as áreas de uso do solo .............................. 85
Capítulo 5: Conclusões .................................................................................................. 89
5.1. Avaliação das Estimativas obtidas através da metodologia de estimação ...... 90
5.2. Comparação de resultados com outras fontes nacionais de classificação de
dados (NDS) .............................................................................................................. 92
5.3. Sugestões para trabalho futuro ........................................................................ 93
Capítulo 6: Bibliografia ................................................................................................... 95
xii
Anexos ........................................................................................................................... 99
Anexo 1: Descrição das NUTS 1, NUTS 2 e NUTS 3 ao nível do território de Portugal
(utilizadas no projeto LUCAS) ........................................................................ 99
Anexo 2: Nomenclatura do IFN6 (Fonte: AFN, 2012) ................................................... 100
Anexo 3: Nomenclatura utilizada no projeto Landyn (Fonte: DGT, 2013) ..................... 101
Anexo 4: Nomenclatura do sistema de classificação do projeto LUCAS 2012 ............. 102
Anexo 5: Precisão (Limites máximos de erro esperados por classe de ocuapação do
solo por NUTS definidos pelo Eurostat) ....................................................... 108
Anexo 6: Estimativas da área (km2) e respetivos CV, ao nível 2 e 3 das classes de
ocupação do solo, por NUTS 2, para os dados recolhidos em 2009 ............ 109
Anexo 7: Estimativas da área (km2) e respetivos CV, ao nível 2 e 3 das classes de
ocupação do solo, por NUTS 2, para os dados recolhidos em 2012 ............ 110
Anexo 8: Estimativas da área (km2) e respetivos CV, ao nível 1 das classes de ocupação
do solo, por NUTS 3, para os dados recolhidos no LUCAS de 2009 ............ 111
Anexo 9: Estimativas da área (km2) e respetivos CV, ao nível 1 das classes de ocupação
do solo, por NUTS 3, para os dados recolhidos no LUCAS de 2012 ............ 112
Anexo 10: Estimativas da área (km2) para o nível 1 das classes de ocupação do solo,
por NUTS 2, para os dados recolhidos no LUCAS de 2009 e 2012 e
resultados obtidos de “outras fontes” e resultados exclusivos da COS 2007 113
Anexo 11: Diferenças entre os resultados estimados com base nos dados LUCAS de
2009 e 2012 com os resultados obtidos de outras fontes de classificação
(NDS) e resultados exclusivos da COS 2007 (por NUTS 2 ao nível 1 da
nomenclatura de classificação LUCAS) ....................................................... 113
Anexo 12: Diferenças em percentagem entre as estimativas LUCAS 2009 e os
resultados provenientes de NDS e COS 2007 ............................................. 114
Anexo 13: Diferenças em percentagem entre as estimativas LUCAS 2012 e os
resultados provenientes de NDS e COS 2007 ............................................. 115
Anexo 14: Comparação das Estimativas para as classes de uso do solo U110, U120,
U130, U340 e U612, dadas através dos dados LUCAS 2009, ao nível das
NUTS 3, com os resultados obtidos de outras fontes de dados ................... 116
Anexo 15: Comparação das Estimativas para as classes de uso do solo U110, U120,
U130, U340 e U612, dadas através dos dados LUCAS 2012, ao nível das
NUTS 3, com os resultados obtidos de outras fontes de dados ................... 117
xiii
Lista de figuras
2.1: Semelhanças e diferenças entre esquemas de amostragem (adaptado de Gruijter et
al., 2006) ................................................................................................................. 10
2.2: Exemplo da implementação de um esquema de amostragem em duas fases. Os
símbolos sombreados representam a amostra da segunda fase (retirado de Gruijter
et al., 2006) ............................................................................................................. 15
2.3: Esquema de amostragem espacialmente balanceado segundo o algoritmo GRTS
(retirado de Stevens e Olsen, 2004) ........................................................................ 17
2.4: Estrutura da grelha nacional de amostragem (ICNF, 2012) ..................................... 27
2.5: Esquema simplificado dos processos de recolha e processamento de dado do IFN
de 2010 (retirado de IFN, 2012) .............................................................................. 27
3.1: Esquema de amostragem em duas fases para 2012 .............................................. 37
3.2: Subgrelhas obtidas a partir da grelha da primeira fase ........................................... 38
3.3: Indicação das localizações de acordo com as distâncias a um ponto localizado na
extremidade à esquerda e no meio do lado esquerdo (adaptado de Brus et al.,
2011) ...................................................................................................................... 39
3.4: Probabilidades de inclusão estimadas usando o algoritmo implementado .............. 40
xv
Lista de tabelas
3.1: Classes de ocupação do solo (níveis 1, 2 e 3 do sistema de classificação LUCAS) 34
3.2: Classes de Uso do Solo (níveis 1 e 2 do sistema de classificação LUCAS) ............ 35
3.3: Sete estratos da primeira fase do esquema de amostragem LUCAS ...................... 37
3.4: Pesos da segunda fase, , atribuido ao ponto, de acordo o subconjunto do
esquema de amostragem LUCAS a que pertença (Martino e Palmieri, 2009). ........ 44
3.5: Número de pontos para cada subconjunto e (para Portugal em 2009).... 45
3.6: Número de pontos para cada subconjunto e (para Portugal em 2012) .... 46
3.7: Número de pontos e para cada domínio (para Portugal, em 2012) .... 46
3.8: Pesos wh e peso_f2 ao nível das NUTS 3 (2009) .................................................... 48
3.9: Pesos wh e peso_f2 ao nível das NUTS 3 (2012) .................................................... 48
4.1: Descrição das variáveis da base de dados LUCASsurvey envolvidas no processo de
estimação e exemplo dos valores para o ponto com ID=26601762 ........................ 52
4.2: Distribuição de pontos por domínio (estrato/NUTS2) na primeira fase do esquema
do esquema de amostragem LUCAS para Portugal ................................................ 53
4.3: Distribuição de pontos por domínio (estrato/NUTS 3) na primeira fase do esquema
do esquema de amostragem LUCAS para Portugal continental (em 2009 e 2012) . 54
4.4: Distribuição de pontos por domínio (estrato/NUTS 2) na segunda fase do esquema
do esquema de amostragem LUCAS para Portugal continental (em 2009)............. 55
4.5:Distribuição de pontos por domínio (estrato/NUTS 2) na segunda fase do esquema
do esquema de amostragem LUCAS para Portugal continental (em 2012)............. 55
4.6: Distribuição de pontos por domínio (estrato/NUTS 3) na segunda fase do esquema
do esquema de amostragem LUCAS para Portugal continental .............................. 56
4.7:Distribuição de pontos, por tipo de classe de ocupação do solo ao nível 1 da
nomenclatura de classificação LUCAS por NUTS 1 e NUTS 2 ............................... 58
4.8:Distribuição dos pontos da amostra da segunda fase para o nível 3 das classes de
ocupação do solo por NUTS 1 e NUTS 2 ................................................................ 59
4.9: Distribuição dos pontos da amostra da segunda fase para o nível 3 das classes de
ocupação do solo por NUTS 3 (em 2012) ............................................................... 60
4.10:Distribuição de pontos em 2009 com duplos registos na segunda fase do esquema
de amostragem para as classes de ocupação do solo (ao nível da nomenclatura
LUCAS) .................................................................................................................. 61
xvi
4.11: Distribuição de pontos em 2012 com duplos registos na segunda fase do esquema
de amostragem para as classes de ocupação do solo (ao nível da nomenclatura
LUCAS) .................................................................................................................. 61
4.12:Descrição do número de pontos cuja classe de ocupação do solo em 2012 foi
diferente da atribuída em 2009 (ao nível 1 da nomenclatura do sistema de
classificação LUCAS).............................................................................................. 62
4.13: Distribuição dos pontos da amostra da segunda fase para as classes U110, U120,
U130, U340 e U612 por NUTS 1 e 2 (em 2009 e 2012) .......................................... 64
4.14: Distribuição dos pontos da amostra da segunda fase para as classes U110, U120,
U130, U340 e U612por NUTS 3 (em 2009 e 2012) ................................................. 64
4.15:Descrição das categorias da variável AREA_SIZE ................................................ 67
4.16:Estimativas da área (km2) e respetivos CV, ao nível 1 das classes de ocupação do
solo, para os dados LUCAS recolhidos para Portugal continental (PT1) ................. 70
4.17:Estimativas da área (km2) e respetivos CV, ao nível 2 das classes de ocupação do
solo, para os dados LUCAS recolhidos para Portugal continental (PT1) ................. 71
4.18:Estimativas da área (km2) e respetivos CV, ao nível 3 das classes de ocupação do
solo, para os dados LUCAS recolhidos para Portugal continental (PT1) ................. 71
4.19:Estimativas da área (km2) e respetivos CV, ao nível 1 das classes de ocupação do
solo (NUTS 2) ......................................................................................................... 72
4.20:Comparação das medidas de localização para os valores CV ao nível 1 das classes
de ocupação do solo, por NUTS 2, para os dados recolhidos nos LUCAS de 2009 e
2012 ........................................................................................................................ 73
4.21:Comparação das medidas de localização para os valores CV ao nível 1 das classes
de ocupação do solo, por NUTS 3, para os dados recolhidos nos LUCAS de 2009 e
2012 ........................................................................................................................ 74
4.22: Estimativas da área (km2) e respetivos CV, para os níveis2 e 3 das classes de
ocupação do solo, por NUTS 3, cujos CV estão dentro dos limites máximos de
precisão (em 2009) ................................................................................................. 75
4.23: Estimativas da área (km2) e respetivos CV, para os níveis 2 e 3 das classes de
ocupação do solo, por NUTS 3, cujos CV estão dentro dos limites máximos de
precisão (em 2012) ................................................................................................. 75
4.24: Diferenças entre os resultados estimados com base nos dados LUCAS de 2009 e
2012 com os resultados obtidos de outras fontes de classificação (NDS) e
resultados exclusivos da COS 2007 (por NUTS 1 ao nível 1 da nomenclatura de
classificação LUCAS).............................................................................................. 76
4.25:Diferenças entre os resultados estimados com base nos dados LUCAS de 2009
com os resultados obtidos de outras fontes de classificação (NDS), por NUTS 3 ao
xvii
nível 1 da nomenclatura de classificação LUCAS (com diferenças inferiores a 10 %
e dentro do limites de qualidade de precisão) ......................................................... 78
4.26:Diferenças entre os resultados estimados com base nos dados LUCAS de 2012
com os resultados obtidos de outras fontes de classificação (NDS), por NUTS 3 ao
nível 1 da nomenclatura de classificação LUCAS (com diferenças inferiores a 10 %
e dentro do limites de qualidade de precisão) ......................................................... 78
4.27:Diferenças entre os resultados estimados com base nos dados LUCAS de 2012
com os resultados obtidos de outras fontes de classificação (NDS), por NUTS 3 ao
nível 1 da nomenclatura de classificação LUCAS ................................................... 79
4.28:Medidas de localização das diferenças (em %) entre dados LUCAS, por nível 2 e 3
da nomenclatura do projeto LUCAS, com os resultados obtidos através deoutras
fontes de classificação nacionais para Portugal Continental (PT1) ......................... 80
4.29:Diferenças entre os resultados estimados com base nos dados LUCAS de 2012
com os resultados obtidos de outras fontes de classificação (NDS), por NUTS 2
para os níveis 2 e 3 da nomenclatura de classificação LUCAS (com diferenças
inferiores a 20 % e dentro do limites de qualidade de precisão) .............................. 80
4.30:Medidas de localização das diferenças (em %) entre dados LUCAS, por nível 2 e 3
das classes de ocupação do solo, para NUTS 2, com os resultados obtidos de
outras fontes de classificação nacionais ................................................................. 81
4.31:Diferenças entre os resultados estimados com base nos dados LUCAS de 2012
com os resultados obtidos de outras fontes de classificação (NDS), por NUTS 3
para os níveis 2 e 3 da nomenclatura de classificação LUCAS (com diferenças
inferiores a 20 % e dentro do limites de qualidade de precisão) .............................. 81
4.32:Medidas de Localização das diferenças (em %) entre dados LUCAS, por nível 2 e 3
das classes de ocupação do solo, para NUTS 3, com os resultados obtidos de
outras fontes de classificação nacionais ................................................................. 82
4.33: Estimativas da área (km2) e respetivos CV, para as classes de uso do solo para os
dados LUCAS recolhidos em 2009 e 2012 para Portugal continental (PT1) ............ 83
4.34: Estimativas da área (km2) e respetivos CV, para as classes de uso do solo para os
dados LUCAS recolhidos ao nível das NUTS 2 em 2009 e 2012 ............................ 83
4.35:Medidas de localização para os valores CV das classes de usodo solo, por NUTS
2, para os dados recolhidos nos LUCAS de 2009 ................................................... 84
4.36: Medidas de localização para os valores CV das classes de usodo solo, por NUTS
2, para os dados recolhidos nos LUCAS de 2012 ................................................... 84
4.37:Medidas de localização para os valores dos CV das estimativas LUCAS 2009 para
uso do solo, ao nível das NUTS 3 ........................................................................... 85
xviii
4.38:Medidas de localização para os valores dos CV das estimativas LUCAS 2012
parauso do Solo, ao nível das NUTS 3 ................................................................... 85
4.39: Diferenças entre os resultados estimados através dos dados LUCAS 2009 e 2012,
para as classes LU, para Portugal continental, com os resultados obtidos de outras
fontes de dados nacionais (NDS) ............................................................................ 86
4.40: Comparação de resultados ao nível das NUTS 2 entre os dados LUCAS 2009 e os
dados provenientes de outras fontes de dados nacionais (NDS) ............................ 87
4.41:Comparação de resultados ao nível das NUTS 2 entre os dados LUCAS 2012 e os
dados provenientes de outras fontes de dados nacionais (NDS) ............................ 87
4.42: Medidas de localização das diferenças (em %) entre dados LUCAS 2009, por Uso
do Solo, ao nível das NUTS 2, com os resultados obtidos de outras fontes de
classificação nacionais ............................................................................................ 88
4.43: Medidas de localização das diferenças (em %) entre dados LUCAS 2012, por Uso
do Solo, ao nível das NUTS 2, com os resultados obtidos de outras fontes de
Classificação nacionais ........................................................................................... 88
1
Capítulo 1
Introdução
1.1. Enquadramento
A utilização de dados estatísticos associados ao uso e ocupação do solo é um
tema de enorme atualidade ao nível do espaço europeu influenciando
decisivamente as políticas comunitárias em áreas como a proteção da
natureza; a gestão de recursos hídricos e florestais; o planeamento urbano e de
transportes; as políticas agrícolas; a prevenção de riscos naturais; a
biodiversidade; a monitorização de alterações climáticas, entre outras.
Devido à importância do tema e de forma a responder às solicitações por parte
de diferentes organismos europeus, tais como a Agência Ambiental Europeia
(EEA) eo Diretório Geral para o Desenvolvimento Agrícola e Rural (DG AGRI),
o Eurostat tem empreendido uma estratégia de recolha, produção e
disseminação uniformizada de estatísticas sobre o uso e a ocupação do solo
em cooperação com os diferentes estados membros e organismos
internacionais.
De entre as medidas já realizadas por parte do Eurostat, há a destacar o
projeto LUCAS (Land Use/Cover Area Frame Sampling), que tem como
principal objetivo a produção regular de informação estatística harmonizada ao
nível dos países da União Europeia (UE), tendo por base uma clara distinção
entre os conceitos de ocupação e uso do solo.
Com este projeto, pretende-se uniformizar a multiplicidade de sistemas de
classificação existentes nos países membros da UE, através da nomenclatura
definida no projeto LUCAS de modo a melhorar a comparabilidade entre as
estimativas produzidas ao nível do espaço europeu.
1.2. Motivação
Após a realização dos inquéritos do projeto LUCAS em 2009 e 2012, o Eurostat
empreendeu o desenvolvimento de um estudo LUCAS piloto pelos estados
Capítulo 1. Introdução
2
membros participantes, tendo por finalidade o estabelecimento de sinergias
entre o LUCAS e outros sistemas de classificação nacionais (NDS - National
Data Sources), de acordo com alguns dos seguintes propósitos:
• Examinar e comparar resultados provenientes de outros sistemas de
classificação nacionais com as estimativas obtidas através dos dados
recolhidos no LUCAS;
• Estabelecer metodologias e soluções técnicas para estimar áreas totais
para as classes de uso e ocupação do solo da nomenclatura de
classificação do LUCAS;
• Obter as áreas totais para os diferentes níveis da nomenclatura LUCAS
para NUTS 1, NUTS 2 e NUTS 3;
• Avaliar a qualidade das estimativas em termos de precisão;
• Avaliar os benefícios e os obstáculos da integração de esquemas de
amostragem areolares nacionais com o projeto LUCAS.
Este trabalho de investigação decorreu no contexto de um estágio pedagógico,
realizado no Instituto Nacional Estatística (INE), entre janeiro e julho de 2014,
integrado na fase IV do referido estudo piloto para a obtenção de estatísticas
harmonizadas sobre o uso e ocupação do solo. As atividades realizadas são
apresentadas no subcapítulo seguinte.
1.3. Objetivos
Os objetivos propostos para o trabalho de investigação foram os seguintes:
• Analisar a metodologia de amostragem usada no projeto LUCAS;
• Implementar uma metodologia de estimação envolvendo amostragem
areolar através do desenvolvimento de programas escritos numa
linguagem de programação adequada (R);
• Proceder ao cálculo das estimativas para classes de uso e ocupação do
solo
• Obter as áreas das classes de uso e ocupação do solo para os níveis 1,
2 e 3 da nomenclatura do sistema de classificação do projeto LUCAS
para o território português (por NUTS 1, NUTS 2 e NUTS 3) a partir dos
dados obtidos nos inquéritos de 2009 e 2012;
Estimação do uso e ocupação do solo ao nível das NUTS 2 e NUTS 3
3
• Avaliar a qualidade das estimativas produzidas, tendo por base os
valores dos coeficientes de variação obtidos e os limites definidos pelo
Eurostat por NUTS 2 apresentados no Anexo 5;
• Calcular desvios em percentagem entre as estimativas obtidas usando a
metologia de estimação implementada no LUCAS e os resultados
provenientes de sistemas de classificação nacionais, denominados neste
estudo também por fontes nacionais (NDS – National Data Sources);
• Avaliar as classes de uso e ocupação do solo da nomenclatura do
projeto LUCAS que apresentam maior concordância com as classes
provenientes de outras fontes de classificação nacionais.
1.4. Métodos utilizados
Para a obtenção das estimativas LUCAS foi utilizado o estimador proposto por
Martino e Palmieiri (2009) para esquemas de amostragem areolar composto
por duas fases (com estratificação), que tem sido implementado, desde 2006,
pelo Eurostat, com intuito de reduzir a correlação espacial dos dados
amostrais.
Para a obtenção dos pesos associados aos estimadores para as classes de
uso e ocupação do solo para os dados LUCAS recolhidos em Portugal, em
2009 e 2012, foi utilizada a metodologia de estimação descrita por Martino e
Palmieri (2009) que se caracteriza por uma divisão dos pontos selecionados na
amostra em subconjuntos como é apresentado no subcapítulo 3.4.
Os resultados provenientes de outros sistemas de classificação nacionais foram
recolhidos durante as primeiras três fases do estudo piloto, tendo por base
dados recolhidos a partir de fontes nacionais como o inventário de florestas
nacionais (IFN) ou a carta de ocupação do solo de 2007.
1.5. Estrutura do trabalho
Este trabalho de investigação está estruturado em 5 capítulos e 15 anexos.
Neste capítulo é apresentado um enquadramento do tema de investigação, a
importância do mesmo ao nível da União Europeia, as estratégias
Capítulo 1. Introdução
4
implementadas pelo Eurostat e os objetivos do estudo piloto “Sinergias entre o
LUCAS e sistemas de classificação nacionais”.
No capítulo 2 é efetuado um enquadramento teórico sobre os conceitos
relacionadas com amostragem espacial e em particular com as abordagens
design-based e model-based. Tendo em consideração os objetivos do trabalho,
no âmbito do projeto LUCAS, procedeu-se a uma análise sobre diferentes tipos
esquemas de amostragem areolar com implicações diretas na metodologia
LUCAS. Por fim, são apresentados projetos nacionais e internacionais de
amostragem areolar para uma melhor contextualização do tema.
No capítulo 3 é introduzido o projeto LUCAS, em termos de evolução histórica,
objetivos e a nomenclatura de classificação proposta. É igualmente
apresentada a metodologia de amostragem e a metodologia de estimação
usada neste projeto de investigação.
No capítulo 4, depois de efetuada uma análise exploratória dos dados LUCAS
recolhidos nos inquéritos realizados em 2009 e 2012 em Portugal Continental,
nas duas fases do esquema de amostragem, são apresentadas as estimativas
obtidas pela aplicação da metodologia de estimação no âmbito do estudo
LUCAS piloto de produção de estimativas e comparação das mesmas com
outras fontes de dados nacionais.
No capítulo 5 são apresentadas as principais conclusões do trabalho e
indicadas algumas sugestões para futuras investigações.
5
Capítulo 2
Generalidades sobre amostragem e estimação espacial
Amostragem Espacial é um tipo de amostragem probabilística na qual a escolha
da amostra depende da posição geográfica das localizações.
Segundo Wang et al. (2012), o processo de amostragem espacial, envolve as
seguintes etapas: (1) clarificação dos objetivos da amostragem: se se pretende
estimar um parâmetro populacional ou modelar uma tendência média do
parâmetro; (2) definição da população e das unidades amostrais que são
constituídas por localizações geográficas que não se sobrepõem; (3) escolha do
método de amostragem e quantificação da dimensão da amostra, tendo em
consideração o orçamento disponível e o valor desejado para as precisões das
estimativas; (4) definição do esquema de amostragem que descreva onde,
quando e como são recolhidas as amostras; (5) recolha da amostra e (6) análise
quantitativa dos dados espaciais e espaço-temporais, relativamente à tendência
global das estimativas, aleatoriedade, erros ou dependência espacial, usando
estatística espacial.
Entre os campos de aplicação, segundo Ruiz-Medina (2012), a amostragem
espacial divide-se em duas áreas principais: uma relacionada com domínios
físicos (agricultura, geologia, hidrologia ou ecologia, por exemplo) e outra,
envolvendo domínios socioeconómicos (epidemiologia ou econometria espacial,
por exemplo).
2.1. Unidades amostrais
Em amostragem espacial, as unidades amostrais podem ser de três tipos:
pontos, linhas ou segmentos. Pontos e segmentos são os mais utilizados em
inquéritos para a obtenção de estatísticas sobre uso e ocupação do solo,
enquanto a utilização de linhas é menos frequente.
Capítulo 2. Generalidades sobre amostragem e estimação espacial
6
Embora, teoricamente, um ponto seja uma representação geométrica sem uma
área associada, em termos operacionais, é possível atribuir-lhe uma área que
está associada a uma classe de uso ou ocupação do solo, como por exemplo
florestas ou matos, habitualmente atribuída a uma classe dominante
(Schoenmakers, 2005).
Segundo o mesmo autor, a utilização de pontos como unidades amostrais,
apesar dos erros que podem ocorrer na sua localização no terreno, permite
reduzir os custos de observação comparativamente com o que acontece com os
segmentos, em que é necessário delinear e digitalizar os limites das classes de
uso ou ocupação do solo.
Os segmentos podem ser definidos de três formas (FAO, 1996): (1) através de
barreiras físicas permanentes e perfeitamente identificáveis (como rios ou
estradas); (2) por polígonos regulares (representados por grelhas); (3) através
de propriedades agrícolas ou divisões administrativas, tais como o sistema de
divisão territorial europeu representado pelas nomenclatura das unidades
territoriais para fins estatísticos (NUTS). A descrição das NUTS para Portugal,
por nível 1, 2 e 3, é apresentada no Anexo 1.
Nas unidades amostrais dadas por linhas, procede-se à contagem do número de
ocorrências (pontos) pertencentes às classes de uso ou ocupação do solo em
estudo. A utilização de linhas é muito frequente nos estudos ambientais e
florestais, podendo a direção espacial das mesmas ser predefinida ou obtida
aleatoriamente (Gruijter et al, 2006).
2.2. Correlação espacial
A existência de dependência espacial entre as unidades amostrais é um aspeto
inerente à amostragem espacial em que segundo princípios geográficos,
observações mais próximas encontram-se mais correlacionadas do que
observações mais afastadas (Sahoo et al., 2006).
A correlação entre os dados amostrais implica, necessariamente, que a
amostragem espacial se diferencie, em vários aspetos, da amostragem clássica,
que assenta nos pressupostos de que as observações são realizações
independentes entre si e que provêm de variáveis aleatórias identicamente
Estimação do uso e ocupação do solo ao nível das NUTS 2 e NUTS 3
7
distribuídas, usualmente, de acordo com uma distribuição normal (Chun e
Griffith, 2013).
O impacto mais comum da existência de correlação espacial é o da diminuição
da eficiência dos estimadores (pelo aumento da variância). Por isso, segundo
Sahoo et al. (2006) é fundamental na escolha do esquema de amostragem, que
se tenha em conta a estrutura espacial dos dados de modo a capturar a
correlação espacial e limitar problemas relacionados com propriedades dos
estimadores tais como eficiência, enviesamento e consistência.
Para o caso de amostragens espaciais, a modelação da autocorrelação, pode
ser feita através de uma função designada por variograma, a partir do qual é
possível calcular a variância considerando apenas os pares de localizações
(pontos) que se encontram a uma determinada distância e obter padrões
espaciais para os dados em estudo, como por exemplo, regiões de variação de
temperaturas ou poluição do solo (Barnett, 2004).
Assim, segundo o mesmo autor, a partir do variograma é possível calcular três
focos de variação:
• Variância total do processo (sill), que corresponde ao valor para o qual o
variograma tende à medida que a distância entre as localizações
aumenta;
• Distância a partir da qual a correlação entre variáveis é nula (range);
• Efeito pepita ou ruído branco (nugget).
2.3. Heterogeneidade espacial
Heterogeneidade espacial refere-se a uma situação em que não existe uma
variabilidade uniforme associado aos valores da variável em estudo de cada
localização da área populacional.
O pressuposto estabelecido em estatística clássica de que os dados têm de ser
independentes e identicamente distribuídos, em contextos espaciais, é
equivalente a assumir a homogeneidade espacial dos dados. Por outras
palavras, significa que a média e a variância da variável são constantes ao longo
da área da região em estudo e que os seus valores têm uma distribuição
eventualmente representada por uma curva normal (Storch e Zwiers, 1999).
Capítulo 2. Generalidades sobre amostragem e estimação espacial
8
Associada à heterogeneidade espacial podem-se distinguir dois tipos de
variabilidade dos dados: a variância global (relacionada com a população de
dados) e a estrutura espacial dessa variância (autocorrelação espacial da
população) (Chun e Griffith, 2013).
De acordo com os mesmos autores, tendo em consideração estes factos, estes
dois elementos da variabilidade do processo devem ser reconhecidos e
avaliados no esquema de amostragem e na escolha do estimador.
2.4. Métodos de estimação
Segundo Brus e Knotters (2008) há a considerar duas abordagens para a
inferência de parâmetros populacionais: métodos baseados no desenho amostral
(design-based) e métodos baseados num modelo estatístico (model-based).
2.4.1. Métodos design-based
A abordagem design-based utiliza a teoria clássica de amostragem, na qual a
população é constituída por um conjunto de pontos (ou localizações) numa
região e em que o processo de amostragem consiste na seleção de
subconjuntos de unidades amostrais de acordo com uma probalidade de ser
selecionada na amostra, probabilidade de inclusão, que se deseja que seja
idêntica para cada elemento amostral (Brus, 2010).
Os métodos de amostragem espacial obtidos através de design-based dividem-
se em dois grupos: os métodos baseados em listas (list frame) e os métodos
baseados em áreas (area frame sampling) (FAO, 1996).
Nos métodos baseados em listas, as bases de amostragem são compostas por
unidades, como por exemplo explorações agrícolas, a partir das quais as
unidades de amostragem são selecionadas. O Inventário de Florestas Nacional
(IFN) é um exemplo deste tipo de método implementado em Portugal (IFN,
2012).
Nos métodos baseados em áreas ou areolares, o desenho de amostragem é
definido habitualmente por uma representação cartográfica do território e por um
esquema de amostragem que define como este se divide nas unidades
amostrais espaciais que são observadas no local. Portanto, é a partir do
Estimação do uso e ocupação do solo ao nível das NUTS 2 e NUTS 3
9
esquema de amostragem utilizado que é definida a probabilidade de inclusão do
conjunto de unidades na amostra o que permite procedimentos de inferência
válidos sem a necessidade de introduzir pressupostos adicionais (Gallego,
1995).
De acordo com Bettio et al. (2002), a utilização de métodos de amostragem
areolar, comparativamente com os baseados em listas, permite reduzir o número
de erros não amostrais resultante de entrevistas; fornece uma informação mais
detalhada e atualizada sobre o tipo de classe de uso e ocupação do solo, assim
como facilita o processo de monitorização das alterações ocorridas no solo,
através de recolhas sazonais dos dados.
Segundo Gallego (2007), apesar das melhorias verificadas nos últimos anos na
qualidade de resolução ao nível de sistemas de deteção remota, os métodos
areolares apresentam estimativas mais precisas do que estes, em particular para
situações de heterogeneidade do solo. Por isso, segundo o mesmo autor, os
métodos de deteção remota devem utilizar-se, principalmente, como fontes
auxiliares de informação.
Ainda de acordo com Martino e Fritz (2008), uma vez que os métodos areolares
utilizam procedimentos de estatística espacial através da observação direta
apenas de uma parte da população de pontos, é possível obter estimativas que
são usadas como generalizações válidas para toda a área em estudo. Deste
modo, ao contrário do que acontece em abordagens de cartografia (mapping),
como por exemplo, no projeto corine land cover, não é necessário realizar um
levantamento exaustivo da área em estudo.
2.4.2. Métodos model-based
Os métodos model-based constituem uma alternativa à abordagem design-
based, em particular, em situações em que a dimensão da amostra impossibilita
a obtenção de estimativas com precisão aceitáveis.
Como o próprio nome indica, nos métodos model-based, o conjunto de valores
associados aos pontos são considerados como realizações de um processo
aleatório que pode ser formalizado num modelo geoestatístico, desde que pelo
menos algumas caraterísticas do processo se assumem como conhecidas, como
por exemplo, a normalidade dos dados (Gruijter e Braak, 1990).
Capítulo 2. Generalidades sobre amostragem e estimação espacial
10
Um exemplo da implementação de um método model-based, em situações em
que a dimensão da amostra é reduzida, é o da estimação em pequenos
domínios, cujos resultados são baseados em modelos de regressão entre
variáveis dependentes e variáveis auxiliares, que estão associadas a diferentes
fontes disponíveis (Rao, 2003).
2.5. Esquemas de amostragem
Os métodos de amostragem probabilísticos tradicionais aplicados a localizações
espaciais georreferenciadas podem ser denominados como métodos de
amostragem espaciais, a partir dos quais é possível modelar a covariância entre
os pontos.
De acordo com Gruijter et al. (2006) a forma como estes métodos se relacionam
entre si, é esquematizada na Figura 2.1.
Segundo os mesmos autores é frequente em amostragem espacial que o
esquema de amostragem seja obtido pela combinação de mais do que um dos
referidos anteriormente, como por exemplo ocorre no caso do projeto LUCAS,
em que é utilizado um esquema de amostragem em duas fases, cuja descrição
será apresentada no capítulo 3 deste trabalho.
Figura 2.1:Semelhanças e diferenças entre esquemas de amostragem (adaptado de Gruijter et al., 2006)
Estimação do uso e ocupação do solo ao nível das NUTS 2 e NUTS 3
11
2.5.1. Amostragem aleatória simples
A amostragem aleatória simples é a forma mais simples de selecionar uma
amostra. Neste tipo de amostragem todas as localizações (pontos ou
segmentos) têm a mesma probabilidade de ser selecionados e são
independentes entre si.
Este tipo de amostragem, por si só, não é habitualmente utilizado em
amostragem espacial, excetuando os casos em que faz parte de esquemas de
amostragem mais complexos (Cadima et al., 2005).
De entre as razões para a sua não utilização, destacam-se: (1) apresenta uma
cobertura espacial pobre, com a tendência para os pontos selecionados se
agruparem (Chun e Griffith, 2013); (2) a distribuição espacial é irregular o que
origina custos elevados e mais tempo despendido na recolha da amostra
(Gruitjer et al., 2006) e (3) a estimação em pequenos domínios pode ser
impossível por causa dos largos espaços vazios que podem ocorrer entre os
pontos (Brus, 2011).
De acordo com Gruijter et al. (2006), a vantagem deste tipo de método reside na
simplicidade de implementação e no facto da estimação dos parâmetros e da
variância ser relativamente simples de calcular.
2.5.2. Amostragem aleatória estratificada
O processo de estratificação consiste na divisão de uma área populacional em
uma ou várias subáreas, designadas por estratos, em que para cada um deles,
um número predeterminado de localizações amostrais é selecionado utilizando
amostragem aleatória simples (Manly, 2001).
Um estrato homogéneo é um estrato no qual as caraterísticas de ocupação do
solo variam apenas ligeiramente comparativamente com a variação espacial
dentro de toda a área populacional.
Para os casos em que após a estratificação a amostra final escolhida é formada
por estratos homogéneos, observa-se uma diminuição da variância espacial e
consequentemente um ganho na eficiência das estimativas comparativamente
com as obtidas através de amostragem aleatória simples (Manly, 2001).
Capítulo 2. Generalidades sobre amostragem e estimação espacial
12
Segundo Gruijter et al. (2006), uma correta estratificação pode ser conseguida
de duas formas:
• Usando variáveis auxiliares correlacionadas com a variável aleatória em
estudo (a partir de um conhecimento prévio sobre o tipo de classe de uso
ou ocupação do solo como ocorre no projeto LUCAS);
• Para variáveis aleatórias quantitativas em que os estratos podem ser
obtidos por análise de clusters.
Nos casos em que a estratificação é incorretamente realizada, habitualmente
ocorre não um ganho, mas sim uma perda na precisão do estimador. No
trabalho realizado por Brus (2011) é apresentado um exemplo de estratificação
em que se teve o cuidado de não considerar um número elevado de estratos
com o intuito de evitar um número de localizações por estrato passasse a ser
fortemente desproporcional relativamente ao que se verifica para a superfície da
área total.
De acordo com Schoenmakers (2005), em estudos de estimação de ocupação
do solo, no processo de estratificação não se deve utilizar limites administrativos
pela habitual falta de representatividade destes relativamente à cobertura do
solo o que poderá originar estratos menos homogéneos e estimativas com
variância alta.
2.5.3. Amostragem aleatória por clusters (grupos)
A amostragem aleatória por clusters é um tipo de esquema de amostragem em
que não é desejável obter uma amostra aleatória a partir da área total. Para tal,
começa-se por aleatoriamente se selecionar alguns grupos (clusters) a partir dos
quais são observadas as localizações que os compõem. Cada grupo contém
necessariamente um ou mais elementos, realçando-se que são os grupos e não
os elementos que o compõem que são as unidades amostrais (Barnett, 2004).
Uma vez que apenas se extraem pontos pertencentes a alguns grupos, a área a
analisar é obviamente menor do que se considerasse a área populacional.
Consequentemente, usando este esquema de amostragem, é possível reduzir
os custos operacionais e os tempos de viagem entre as diferentes localizações,
principalmente quando são utilizadas amostragens com regularidades. Esta
Estimação do uso e ocupação do solo ao nível das NUTS 2 e NUTS 3
13
vantagem é tanto maior quanto maior for a dimensão da área total a observar
(Gruijter et al., 2006).
Para os casos em que o número de pontos a observar em cada grupo é muito
grande, pode-se utilizar um método de amostragem em duas etapas de modo a
obter amostragens mais eficientes.
Apesar das vantagens da utilização deste esquema de amostragem, ele assenta
num pressuposto que nem sempre é possível de ocorrer: que uma dada
população compreende subgrupos heterogéneos que funcionam como
microcosmos da população inteira e que é possível, selecionando apenas alguns
pontos destes grupos, obter subgrupos que são representativos da área total.
Este método areolar é comum em amostragem espacial, como por exemplo, o
apresentado em Cadima et al. (2005) no âmbito de um estudo sobre pesca.
Numa primeira fase como estudo piloto, entre 2001 e 2005, esta metodologia
chegou a ser implementada no projeto LUCAS, tendo sido alterada com o intuito
melhorar a precisão das estimativas de uso e ocupação do solo (Gallego e
Bamps, 2008).
2.5.4. Amostragem aleatória sistemática
A conveniência com que se processa a recolha da amostra espacial e a
necessidade de a amostra, composta por localizações geoespaciais a analisar in
situ1, se espalhe por toda a área em estudo são aspetos relevantes na definição
do esquema de amostragem areolar.
Num processo de amostragem sistemática, a primeira unidade amostral começa
por ser selecionada aleatoriamente e as outras localizações (pontos), dentro da
área total, são escolhidas de acordo com um padrão regular. Este padrão é
usualmente definido através de grelhas que se espalham por toda a área em
estudo o que permite obter uma cobertura espacial dos pontos mais ampla que
compõem a população (Scheaffer et al., 1996).
Segundo os mesmos autores, devido a esta otimização espacial é possível obter
estimativas mais precisas, o que habitualmente não acontece em amostragem
aleatória simples. Mesmo para o caso da amostragem estratificada em que a
1Locução latina para descrever a observação no local exato
Capítulo 2. Generalidades sobre amostragem e estimação espacial
14
seleção das amostras para cada estrato é realizada separadamente, tal facto
pode originar uma diminuição na precisão das estimativas.
A amostragem aleatória sistemática é um caso concreto de utilização de uma
amostragem por clusters em que o esquema de amostragem é formado por um
único grupo.
Na primeira fase do esquema de amostragem do projeto LUCAS, que será
desenvolvido no capítulo 3 deste trabalho, tem sido implementada uma
amostragem sistemática constituida por uma grelha formada por pontos
espaçados 2x2 km2 entre si.
2.5.5. Amostragem aleatória multietápica
O método de amostragem multietápica é uma combinação de métodos referidos
anteriormente. Para cada etapa, procede-se a uma seleção aleatória de
unidades amostrais que são obtidas a partir da amostra da etapa anterior
(Cadima et al., 2005).
Para o caso de uma amostragem em duas etapas, a área total começa por ser
dividida em subáreas, designadas por unidades de amostragem principais
(PSU). Contrariamente ao que acontece na amostragem estratificada, em que a
amostra final recolhida é formada por elementos que pertencem a todos os
estratos, no esquema de amostragem em duas etapas, apenas um grupo das
PSU são aleatoriamente selecionadas. Na segunda etapa, as unidades de
amostragem secundárias (SSU) são extraídas aleatoriamente a partir das PSU
selecionadas (Gruijter et al., 2006)
Segundo Gruijter et al. (2006), através deste tipo de método é possível aceder
mais eficientemente aos pontos por parte dos observadores (comparando com
os casos em que é selecionada, indiferenciadamente, uma amostra a partir da
área total). Tem igualmente a vantagem de reduzir os tempos de viagem entre
pontos.
De acordo com os mesmos autores, como desvantagem na utilização de um
esquema em duas etapas há a realçar que as estimativas produzidas podem ser
menos precisas do que o esperadopara situações em que a variação dentro das
unidades primárias é mais pequena do que o previsto aquando da decisão do
número de localizações a atribuir a cada uma delas.
Estimação do uso e ocupação do solo ao nível das NUTS 2 e NUTS 3
15
2.5.6. Amostragem aleatória multifásica
A amostragem aleatória multifásica é um esquema de amostragem amplamente
utilizado em contextos de estimação espacial, principalmente nos casos em que
existe pouca informação sobre a população que se pretendem estimar.
Assim, neste tipo de amostragem, a amostra recolhida na fase imediatamente
anterior fornece informação auxiliar para a realização da amostragem da fase
seguinte do esquema de amostragem (Gruidjer et al., 2006).
Por exemplo, segundo os mesmos autores, no caso da amostragem em duas
fases (double sampling), ao contrário do que acontece na amostragem em duas
etapas, os elementos amostrais que compõem as PSU e as SSU são medidos
de acordo com duas variáveis que estão correlacionadas entre si.
Consequentemente, o sucesso da amostragem em duas fases depende
consideravelmente do grau de associação entre a variável primária e secundária
que quantificam as unidades amostrais.
Ainda de acordo com Gruidjer et al. (2006), um exemplo prático deste tipo de
amostragem em estudos espaciais, ocorre quando se pretende estratificar a área
total, mas o número e a dimensão dos estratos populacionais é desconhecida.
Para tal, os autores propõem a definição de classes (representadas, no caso,
por uma variável categórica) que são selecionadas aleatoriamente na primeira
fase e usadas como estratos na segunda fase, como está representado na
Figura 2.2.
Figura 2.2: Exemplo da implementação de um esquema de amostragem em duas fases. Os símbolos sombreados representam a amostra da segunda fase (retirado de Gruijter et al., 2006)
Kim e Lee (2013) realizaram um estudo em que sugerem que antes de se
adotar um esquema de amostragem em duas fases é importante ter-se a
Capítulo 2. Generalidades sobre amostragem e estimação espacial
16
certeza de que as variáveis em estudo sejam altamente correlacionadas caso
contrário pode ser preferível escolher outros tipos de esquemas de
amostragem para melhorar a eficiência das estimativas.
Os principais inconvenientes na implementação deste método são a
complexidade da computação das estimativas e a determinação da dimensão
da amostra.
Como será apresentado no subcapítulo 3.3, no projeto LUCAS é utilizado um
esquema de amostragem em duas fases (com estratificação) cujos pontos em
cada uma das fases são classficados de acordo com estratos e classes de uso
e ocupação do solo correlacionadas entre si.
2.5.7. Amostragem espacialmente balanceada (spatially-balanced sampling)
Uma amostra diz-se espacialmente balanceada sempre que esta apresenta uma
distribuição uniforme ao longo da área em estudo obtida através da maximização
da independência espacial entre as localizações geográficas que compõem a
amostra (Theobald et al., 2007).
De acordo com os mesmos autores, a utilização deste tipo de amostragem
permite melhorar a eficiência das estimativas comparativamente com outros
casos de amostragens areolares, como por exemplo a amostragem aleatória
sistemática, principalmente em situações em que as unidades amostrais a extrair
dentro da área em estudo são não contíguas (como ocorre em zonas com lagos
ou zonas húmidas).
Há várias técnicas para obter amostras espacialmente balanceadas entre as
quais se destaca a designada por generalized random-tessellation stratified
(GRTS), apresentada por Stevens e Olsen (2004), cujo algoritmo envolve um
processo aleatório hierárquico recursivo que preserva as relações espaciais das
unidades amostrais.
Neste algoritmo, a área da população é dividida em segmentos quadrados com
dimensões iguais, que por sua vez se dividem em novos quadrados com a
mesma ordem de numeração dos anteriores. Este processo recursivo continua
até que cada quadrado corresponda a uma localização que será numerada com
o número atribuído ao quadrado a que pertence. Por fim, as localizações são
Estimação do uso e ocupação do solo ao nível das NUTS 2 e NUTS 3
17
ordenadas de acordo com os números que lhe foram atribuídos, como é
representado na Figura 2.3.
O package spsurvey desenvolvido por Kincaid et al. (2014), apresenta um
conjunto de funções na linguagem R para a implementação do esquema de
amostragem GRTS.
Este tipo de esquema de amostragem areolar apresenta as seguintes vantagens:
fornece um bom balanceamento espacial das localizações; utiliza seleção de
amostras através de probabilidades desiguais; pode ser utilizado em bases
amostrais dadas por áreas, assim como em linhas e zonas não contíguas.
Figura 2.3: Esquema de amostragem espacialmente balanceado segundo o algoritmo GRTS (retirado de Stevens e Olsen, 2004)
Por outro lado, este tipo de esquema de amostragem apresenta como
desvantagem o facto de utilizar técnicas relativamente difíceis de implementar e
compreender. Além disso, para os casos em que se pretenda quantificar a
correlação espacial dos parâmetros este esquema de amostragem é ineficiente.
2.6. Estimação
2.6.1. Conceitos fundamentais
Os parâmetros da população são medidas que sumariam a forma como os
valores de uma variável aleatória se distribuem na população. A cada variável
aleatória corresponde uma função , que a cada elemento pertencente ao
espaço de resultados , , associa um valor numérico real ( ) .
Capítulo 2. Generalidades sobre amostragem e estimação espacial
18
Para estimar os parâmetros são utilizadas funções que se designam por
estatísticas, cujos valores obtidos (estimativas) se pretende que sejam próximos
dos valores reais dos parâmetros.
Neste processo de inferência estatística, a precisão da estimativa depende, entre
outros fatores, da representatividade da amostra e da dimensão da amostra
(Sanders,1995).
Considere-se uma população com um determinado número de elementos, para
uma dada caraterística representada pela variável aleatória , em que é o
valor da variável aleatória na unidades estatística .
As populações podem ser finitas ou infinitas. O número total de elementos de
uma população finita é dado por . Sempre que o número de elementos é muito
grande, pode considerar-se como infinito.
Se a população é finita o valor total das observações para a característica em
estudo é dado por
∑ .
A média populacional é dada por
∑
.
O parâmetro total é obtido multiplicando o número de elementos da população
pela média
.
De entre os parâmetros utilizado como medidas de dispersão para a
populações finitas, a variância populacional é dada por
∑ ( )
.
O coeficiente de variação, , é uma medida relativa de dispersão que permite
comparar a dispersão de duas populações mesmo com diferentes unidades de
medida. Para o caso da média populacional o é dado por
.
(2.2)
(2.3)
(2.4)
(2.1)
(2.5)
Estimação do uso e ocupação do solo ao nível das NUTS 2 e NUTS 3
19
Para variáveis categóricas, o parâmetro de interesse corresponde à proporção
populacional de elementos com uma determinada caraterística. Por exemplo,
para o caso de amostragens espaciais de classificação de uso ou ocupação do
solo, a variável pode ser dicotómica
{
A proporção de elementos pertencentes à categoria de interesse, , é igual à
média de
∑
.
A variância da população em termos de proporções é dada por
( ) .
2.6.2. Métodos de estimação
Excetuando quando é efetuado um censo, os valores dos parâmetros
populacionais não são conhecidos. Para os estimar podem ser utilizados dois
métodos:
• Método de estimação pontual: é obtido um único valor (estimativa)
através de um estimador associado ao tipo esquema de amostragem.
De entre os métodos de estimação pontual há a considerar o método
dos momentos e o método de máxima verosimilhança;
• Método de estimação intervalar: é obtido um intervalo de valores de
acordo com um modelo paramétrico associado e um nível de confiança
predefinido. O nível de confiança refere-se à probabilidade de
corretamente incluir o parâmetro no intervalo estimado.
(2.6)
(2.7)
Capítulo 2. Generalidades sobre amostragem e estimação espacial
20
2.7. Estimadores relacionados com os esquemas de amostragem
Efetuada uma revisão de literatura sobre os conceitos fundamentais
relacionados com estimação, neste capítulo são apresentados os estimadores
associados a cada tipo de esquema de amostragem referidos no subcapítulo
2.5.
2.7.1. Amostragem aleatória simples
Estimador para a média
Um estimador, , não enviesado para a média da área espacial (para tipo de
cobertura do solo), aplicando uma amostragem aleatória simples, é
intuitivamente obtido por
∑
,
em que é a dimensão da amostra e corresponde à área associada ao ponto
(relativa ao tipo de solo, por exemplo).
Estimador para a variância da média
De acordo com Barnett (2004), a variância da média deste tipo de amostragem é
dada por
( )
( )∑ ( )
,
em que é a estimativa da variância das medidas obtidas para a área total em
estudo.
Segundo Barnett (2004), para o caso de amostragens sem reposição para
populações finitas, o valor da variância é reduzido multiplicando pelo fator de
correção da população finita, , em que é a taxa de amostragem dada
por , ou seja
( ) ( )
.
(2.8)
(2.9)
(2.10)
Estimação do uso e ocupação do solo ao nível das NUTS 2 e NUTS 3
21
No caso em que é menor ou igual a 0.05, este fator pode ser ignorado.
Estimador para a proporção
O estimador da proporção dos elementos pertencerem a uma categoria é dado
por
∑
em que
{
Segundo Barnett (2004), a variância da proporção é dada por
( ) ( )
.
Para populações finitas, aplicando o fator de correção,
( ) ( ) ( )
.
2.7.2. Amostragem aleatória estratificada
Estimador para a média
De acordo com Cochran (1977), aplicando um esquema de amostragem
estratificada a área média é estimada por
∑ ∑
,
onde é o número de estratos; é o número de unidades estatísticas na
população de pontos; é o número de unidades estatísticas no -ésimo estrato
e é a média estimada da área no -ésimo estrato.
(2.11)
(2.12)
(2.13)
(2.14)
Capítulo 2. Generalidades sobre amostragem e estimação espacial
22
(2.16)
(2.17)
(2.18)
Estimador para a variância da média
Segundo Cochran (1977), um estimador não enviesado para a variância
estratificada de é dado por
( ) ∑
,
em que, é a dimensão da amostra no -ésimo estrato e é variância dentro
do estrato dada por
∑ ( )
,
em que é a média estimada da área no -ésimo estrato.
Para o caso de populações finitas, o fator de correção seria dado por ,
onde
, e o estimador da variância para média é dado por
( )
∑ ( )
Estimador para a proporção
De acordo com Cochran (1977), no caso de uma amostragem aleatória
estratificada, a estimativa da proporção de unidades amostrais pertencentes a
uma categoria, é obtida por
∑ ,
em que é a proporção estimada da categoria no -ésimo estrato.
(2.15)
Estimação do uso e ocupação do solo ao nível das NUTS 2 e NUTS 3
23
(2.19)
(2.20)
(2.22)
(2.21)
Estimador para a variância da proporção
Para uma amostragem aleatória estratificada, a variância de é dada por
( ) ∑
( )
.
Para populações finitas, em que o fator de correção deve ser considerado, a
variância é dada por
( )
∑
( ) ( )
( )
.
2.7.3. Amostragem aleatória por clusters (grupos)
Estimador para a média
Segundo Gruijter et al. (2006), a área média é estimada por
∑
,
em que é o número de clusters e é a média amostral do -ésimo cluster.
Estimador para a variância da média
Segundo Gruijter et al. (2006) o estimador para a variância da média é dado por
( )
( )∑ ( )
.
Para o caso dos estimadores para a proporção, estes são obtidos substituindo
, por e por .
Capítulo 2. Generalidades sobre amostragem e estimação espacial
24
(2.23)
(2.24)
(2.25)
2.7.4. Amostragem aleatória sistemática
Estimador para a média
A amostragem aleatória sistemática é um caso particular da amostragem por
cluster, sendo constituída apenas por um único grupo. Assim, pelo estimador da
média da amostragem por clusters, o estimador da média para uma amostra
aleatória sistemática reduz ao exposto para a amostragem aleatória simples.
Estimador para a variância da média
Segundo Cochran (1977), a variância da média é difícil de estimar uma vez que
esta requer algumas considerações sobre a ordem com que os pontos se
posicionam. Para os casos em que se considera que a média da amostra é
aleatória, então a variância é dada por
( ) ( )
.
Para o caso do estimador da variação da proporção, é obtido por
( ) ( ) ( )
.
2.7.5. Amostragem aleatória em duas etapas
Estimador para a média
Segundo Gruidjer et al. (2006), a área média para um esquema de amostragem
em duas etapas é obtido pelo estimador
∑
,
em que é o número unidades de amostragem principais (PSU) selecionadas e
é a média amostral da -ésima PSU seleccionada.
Estimação do uso e ocupação do solo ao nível das NUTS 2 e NUTS 3
25
(2.26)
(2.27)
(2.28)
Estimador para a variância da média
Segundo Gruidjer et al., 2006, o estimador da variância da média é dado por
( )
( )∑ ( )
.
Para o caso dos estimadores para a proporção, estes são obtidos substituindo
, por e por .
2.7.6. Amostragem aleatória em duas fases (por estratificação)
Estimador para a média
De acordo com Cochran (1977), o estimador da média para uma amostragem
em duas fases (por estratificação) é dado por
∑ ∑
,
em que é número de pontos selecionados na primeira fase, é o número de
pontos da primeira fase pertencentes ao -ésimo estrato e é a média da
amostra na segunda fase do esquema de amostragem.
Estimador para a variância da média
Segundo Cochran (1977), o estimador da variância da média é dado por
( ) ∑
∑
∑ ( )
em que, ( )
( ), é o número de pontos na população, é o número de
pontos da primeira fase do esquema de amostragem e é o número de pontos
pertencentes ao -ésimo estrato na segunda fase do esquema de amostragem.
Capítulo 2. Generalidades sobre amostragem e estimação espacial
26
No subcapítulo 3.4 sobre a metodologia de estimação implementada no projeto
LUCAS será apresentada a forma como se procedeu à utilização deste tipo de
estimadores na obtenção das proporções e respetivas áreas associadas ao uso
e ocupação do solo.
2.8. Projetos de amostragem areolar sobre uso e ocupação do Solo
De seguida são apresentados exemplos de sistemas de classificação nacionais
e internacionais baseados em amostragem areolar.
Dada a relevância do projeto LUCAS neste trabalho, a descrição do mesmo será
efetuada no capítulo 3.
2.8.1. Inventário de Florestas Nacional (IFN)
O Inventário de Florestas Nacional abrange todos os tipos de solos com uso
florestal a nível de Portugal Continental. Este tem vindo a ser implementado
desde 1965, com uma periodicidade aproximada de 10 anos, tendo o último
IFN6 sido realizado em 2010 (AFN, 2012)
O IFN utiliza uma metodologia de amostragem areolar com um esquema de
amostragem em duas fases. A primeira fase é basicamente composta por
trabalho de gabinete em que se procede à avaliação das áreas a partir da
amostra constituída por fotopontos. Os dados da fotografia aérea são,
igualmente, analisados espacialmente, através de um sistema de informação
geográfica para produção de cartografia genérica relativa a uso e ocupação do
solo do território continental (Ferreira e Campos, 2013).
Na segunda fase são efetuadas medições nas parcelas do inventário (para
avaliar as caraterísticas dos povoamento florestais e matos) e recolhas de
amostra de solo (em solos agrícolas e florestais) (AFN, 2012).
O esquema de amostragem é realizado através de uma grelha com orientação
N-S e E-O em que na primeira fase os pontos estão espaçados 500x500 m2 (a
qual dá origem a aproximadamente 360 000 pontos fotointerpretados
distribuídos de forma regular por Portugal continental).
Estimação do uso e ocupação do solo ao nível das NUTS 2 e NUTS 3
27
Figura 2.4: Estrutura da grelha nacional de amostragem (AFN, 2012)
Para a sua implementação, o IFN envolve quatro passos principais: no primeiro
procede-se à fotointerpretação para avaliação de áreas sobre uso e ocupação
de solos florestais e agrícolas; seguidamente são recolhidos dados de campo
para caracterização quantitativa dos espaços florestais e para quantificação do
carbono dos solos florestais e agrícolas. Por fim, ocorre o processamento de
dados e publicação de informação.
A forma como as quatro passos são estruturadas é apresentada na figura 2.5
Figura 2.5: Esquema simplificado dos processos de recolha e processamento de dado do IFN de 2010 (retirado de AFN, 2012)
Na obtenção de estatísticas de uso e ocupação do solo a área de cada classe
tem sido estimada a partir da proporção entre o número de pontos e o número de
pontos na área em que unidade estatística é uma porção de terra de forma
circular.
A nomenclatura de uso e ocupação do solo utilizada no IFN6 encontra-se
estruturada em 9 níveis de informação, organizados em três grandes temas:
Capítulo 2. Generalidades sobre amostragem e estimação espacial
28
uso do solo, ocupação do solo e análise da paisagem, cuja descrição pode ser
consultada no Anexo 2.
Para a definição das classes de uso e ocupação do solo os valores mínimos
estabelecidos para dimensão e forma da mancha homogénea a classificar são
(AFN, 2012):
Área maior ou igual a 5000 m2 (i.e., 0,5 ha);
Largura não inferior a 20 m.
2.8.2. Projeto Landyn
Landyn é um projeto nacional de classificação de uso e ocupação do solo cujos
objetivos principais são: (1) analisar as alterações que ocorreram ao nível do uso
e da ocupação do solo desde a década de 1980 até à atualidade; (2) identificar
as principais causas para as alterações ocorridas; (3) formular cenários
possíveis para as clases de uso e ocupação do solo até 2040, usando para tal,
modelos espaciais; (4) usar a informação das classes de uso e ocupação do solo
disponível para que seja utilizada em estudos sobre emissões e remoções de
gases com efeito de estufa (GEE) (Landyn, 2013).
A nomenclatura de classificação do projeto Landyn é composta por 32 classes,
agrupadas em sete classes principais em função da generalização do uso e tipo
de ocupação do solo (artificializados, agrícolas, agro-florestais, corpos de água,
florestas, incultos e zonas húmidas) (Anexo 3).
O projeto Landyn utiliza uma metodologia areolar em que na definição da base
de amostragem foi utilizada uma grelha de referência de 1x1 Km² da Agência
Europeia do Ambiente (EEA). A partir desta grelha, de forma a garantir a
consistência espacial com os dados recolhidos no projeto LUCAS em 2009,
utilizou-se uma amostragem por clusters (constituída por 1279 unidades
amostrais distribuídas pelo território de Portugal Continental espaçadas 2x2 km2)
(DGT, 2013).
2.8.3. Projeto TERUTI
A nível europeu o TERUTI é um projeto francês que tem sido implementado
desde a década de 1970, cujo esquema de amostragem areolar em duas etapas
Estimação do uso e ocupação do solo ao nível das NUTS 2 e NUTS 3
29
sem estratificação e que tem servido de referência para outros projetos, como o
BANCIK. A metodologia de amostragem baseia-se na observação regular de um
conjunto de pontos, as unidades secundárias, situadas numa seleção de
segmentos quadrados de 2x2 Km2, as unidades primárias (Betio et al, 2002).
Segundo Schoenmakers (2005), na primeira etapa, por cada segmento de 12x12
km2, são selecionados aleatoriamente quatro segmentos quadrados (2x2 km2),
representando 11% do universo original. Na segunda etapa são selecionados 36
pontos, escolhidos sistematicamente, com uma distância de 300 metros entre
cada ponto.
Para analisar a ocupação do solo de cada ponto efetua-se trabalho de campo,
excetuando nos casos dos pontos com má acessibilidade utilizando-se, nestes
casos, interpretação de fotografias aéreas. Cada ponto representa uma área de
3x3 metros, observando-se nesta área o tipo de ocupação.
2.8.4. Projeto Countryside Survey
Countryside Survey é um projeto que tem sido implementado no Reino Unido
com o intuito de recolher informação relacionada com cobertura do solo, tipo de
habitats naturais e espécies, utilizando um esquema de amostragem areolar em
duas etapas estratificada com segmentos quadrados de 1 km2.
O primeiro inquérito ocorreu em 1978 tendo-se procedido à seleção de 256
segmentos quadrados (correspondente a 8 por cada um dos 32 tipos de classes
de ocupação do solo). Os inquéritos seguintes ocorreram em 1984, 1990, 1998 e
2007, tendo sido selecionados, respetivamente, 384, 508, 569 e
aproximadamente 620 segmentos. Destes segmentos, 244 segmentos que têm
sido sempre analisados com o objetivo de avaliar as alterações ocorridas ao
longo do tempo (Brus et al., 2011).
Em termos de estimadores, neste projeto tem sido utilizada uma abordagem
design-based, dada por estimadores ratio e uma model based proposta por Scott
(2008).
2.8.5. Projeto National Resources Inventory (NRI)
O NRI é um inquérito para a deteção de condições e tendências relacionadas
com a ocupação e uso do solo, água e outros recursos naturais que tem sido
Capítulo 2. Generalidades sobre amostragem e estimação espacial
30
implementado pelo US Department of Agriculture’s Natural Resources
Conservation Service (NRCS). Entre 1977 e 1997 realizou-se com uma
periodicidade de 5 anos. Desde 2000 tem sido realizado anualmente (Opsomer
et al., 2003)
Os dados recolhidos pertencem a uma amostra estratificada correspondendo a
áreas não-federais dos Estados Unidos e Porto Rico. O esquema de
amostragem é realizado em duas etapas com probabilidades desiguais de
seleção. As unidades primárias de amostragem são representadas por
segmentos. As unidades secundárias de amostragem são representadas por
pontos que são selecionados aleatoriamente dentro de cada segmento. A
amostra atual é composta por 300 000 segmentos e cerca de 844 000 pontos.
Para uma descrição mais completa acerca da metodologia de amostragem e
caraterísticas dos solos estudadas no NRI, consultar Fuller (1999).
No processo de estimação do NRI há a referir a combinação de informação
proveniente de diversas fontes para produzir os dados finais que são compostos
por registos obtidos a partir de todos os inquéritos. Para mais informações sobre
o processo de estimação podem ser obtidas em Fuller (1999).
31
Capítulo 3
Land Use and Cover Area Frame Statistical Survey (LUCAS)
Land Use and Cover Area Frame Statistical Survey (LUCAS) é um projeto de
amostragem espacial que tem sido conduzido pelo Eurostat, de acordo com a
decisão do Conselho Europeu de serem implementadas técnicas de
amostragem areolar para a produção de estimativas relacionadas com o uso e
ocupação do solo ao nível do espaço europeu (Bettio et al., 2002).
Desde 2006 que o projeto LUCAS tem sido implementado com uma
periodicidade de três anos. Já foram produzidos resultados em 2006, 2009 e
2012. O próximo inquérito está previsto para 2015 (Eurostat, 2013a).
O LUCAS carateriza-se por um esquema de amostragem em duas fases (double
sampling) cuja primeira base de amostragem é composta por aproximadamente
um milhão de pontos sobrepostos numa grelha quadrangular com um
espaçamento de 2x2 km2 entre os pontos (Gallego, 2013).
Os pontos observados na segunda fase de amostragem são selecionados a
partir da amostra inicial e classificados in situ, segundo a nomenclatura de
classificação de uso e ocupação definida no projeto LUCAS (Eurostat, 2013b).
Uma vez que o LUCAS utiliza um processo de inferência estatística na produção
de estimativas, não há a necessidade de se observar toda a área populacional,
tal como acontece em abordagens de deteção remota. Além disso, como se
procede a uma observação direta das localizações geográficas (pontos), através
dos inquéritos do LUCAS é possível recolher uma descrição mais completa da
composição do solo e, consequentemente, aumentar a eficiência das estimativas
em situações de heterogeneidade do solo.
Ainda não é possível obter uma tão detalhada classificação usando processos
de fotointerpretação ou recolha de imagens via satélite, como os obtidos pela
Corine Land Cover(Martino et al., 2009). Por isso, segundo os mesmos autores,
os métodos espaciais de deteção remota devem-se utilizar idealmente como
ferramenta auxiliar para melhorar o esquema de amostragem.
Capítulo 3. Land Use and Cover Area Frame Statistical Survey (LUCAS)
32
No caso do LUCAS, as imagens de satélite foram utilizadas para atribuição de
classes em casos de pontos inacessíveis (exemplo de florestas impenetráveis) e
a deteção remota foi utilizada para uma localização mais precisa dos pontos no
processo de observação no terreno.
3.1. Objetivos do projeto LUCAS
Apesar da importância crescente que é atribuída aos sistemas de classificação
na definição e avaliação de políticas comuns no espaço europeu, ao longo dos
anos tem-se verificado na maioria dos casos, que as estimativas produzidas são
realizadas independentemente em cada estado membro.
Assim, com o intuito de uniformizar procedimentos e aumentar a
comparabilidade entre os resultados, a partir da decisão N°1445/2000/EC do
Parlamento Europeu e do Conselho Europeu de 22.05.2000 “On the application
of area-frame survey and remote-sensing techniques to the agricultural
statisticsfor 1999 to 2003”, continuada até 2007 pela decisão 2066/2003/EC, de
10 Novembro de 2003 e prolongada pela decisão 786/2004/EC, de 21 Abril de
2004, o projeto LUCAS começou a ser implementado em 2001 em 13 países
europeus (Bettio et al., 2002).
De um modo geral, conforme referido em Eurostat (2013a), os objetivos do
LUCAS são:
• Desenvolver um sistema de classificação com uma nomenclatura
hierárquica que permita uma clara distinção entre as classes de ocupação
e uso do solo;
• Implementar um método de amostragem espacial, ao nível do espaço
europeu, que simultaneamente combine técnicas de amostragem areolar
e de deteção remota (tais como, Corine Land Cover);
• Obter estatísticas não-enviesadas e harmonizadas que possam ser
comparadas e analisadas ao longo do tempo a uma escala europeia e
que sejam utilizadas na definição de estratégias comuns conduzidas pela
Agência Ambiental Europeia;
• Fornecer informação estatística destinada, não apenas, a utilizadores de
estatísticas sobre agricultura, mas igualmente, para especialistas
Estimação do uso e ocupação do solo ao nível das NUTS 2 e NUTS 3
33
ambientais que possam ter ao seu dispor bases de dados homogéneas
sobre erosão, paisagísticos, riscos naturais, ruido, por exemplo;
• Monitorizar a evolução das condições ambientais pelos países europeus
ao longo do tempo.
3.2. Sistema de classificação do projeto LUCAS
Enquanto o conceito de ocupação do solo diz respeito à cobertura física da
superfície que compõe o solo, o uso do solo está relacionado com as funções
socioeconómicas (por exemplo, um edifício pode ter um uso residencial,
industrial ou comercial) (Jacques e Gallego, 2005).
O sistema de classificação LUCAS carateriza-se por uma clara distinção entre
estes dois conceitos o que não acontece por exemplo com a corine land cover
ou no caso do sistema de classificação nacional da carta e ocupação do solo
COS 2007.
Para tal, a nomenclatura definida no LUCAS é composta por classes
mutuamente exclusivas, definidas hierarquicamente em três níveis, em que o
nível 1 corresponde a uma descrição mais abrangente e que se subdivide em
classes mais detalhadas sobre o uso e ocupação do solo (níveis 2 e 3) como
podem ser consultadas em Eurostat (2013a).
A classificação dos pontos de acordo com a nomenclatura do projeto LUCAS é
realizada na segunda fase do esquema de amostragem no momento em que
os pontos são observados in situ por parte dos observadores.
3.2.1. Classes de ocupação do solo
Para o nível 1 do sistema de classificação LUCAS foram definidas 8 classes
principais como se encontram apresentadas na Tabela 3.1, designadas por
territórios artificializados (A), terrenos agrícolas (B),floresta (C), matos (D),
prados (E), solo nu e líquenes (F), corpos de água (G) e zonas húmidas (H).
No total, para o inquérito realizado em 2012, os pontos foram classificados de
acordo com 83 classes de ocupação do solo cuja descrição é apresentada no
documento de referência técnica sobre a classificação dos pontos selecionados
(Eurostat, 2013c).
Capítulo 3. Land Use and Cover Area Frame Statistical Survey (LUCAS)
34
Para este trabalho de investigação foram obtidas estimativas das áreas das
classes de ocupação do solo para os níveis 1, 2 e 3 da nomenclatura do sistema
de classificação LUCAS apresentadas na Tabela 3.1.
Tabela 3.1: Classes de ocupação do solo (para os níveis 1, 2 e 3 do sistema de classificação LUCAS)
Nível 1 Nível 2 Nível 3
A – Territórios
artificializados
A10 (Áreas edificadas), A20 (Áreas não
construídas artificiais)
B – Terrenos agrícolas
B10 (Cereais), B20 (Culturas de raízes
comestíveis), B30 (Culturas temporárias
industriais), B40 (Leguminosas secas, hortícolas e
flores), B50 (Culturas forrageiras), B70 (Frutos
secos, frutos de casca rija, frutos pequenos de
baga, citrinos e frutos sub- tropicais), B80 (Vinha,
olival, viveiros e culturas permanentes industriais).
C – Floresta
C10 (Floresta (de acordo com a FAO)), C20
(Outras superfícies arborizadas (FAO)), C30
(Outras superfícies arborizadas (não-FAO))
C11 (Floresta de
folhosas caducifólias
(75%)), C12 (Floresta
de coníferas (75%)),
C13 (Floresta mista)
D - Matos D10 (Matos com árvores esparsas), D20 (Matos
sem árvores)
E - Prados E10 (Prados com árvores esparsas), E20 (Prados
sem árvores), E30 (Vegetação espontânea)
F – Solo nu e líquenes
F10 (Afloramentos rochosos e zonas pedregosas),
F20 (Areias), F30 (Líquenes), F40
(Outras áreas de solo nu)
G – Corpos de água
G10 (Planos de água interiores), G20 (Águas
interiores correntes), G30 (Corpos de água
costeiros), G50 (Glaciares e neves permanentes)
H – Zonas húmidas H10 (Zonas húmidas interiores), H20 (Zonas
húmidas costeiras)
3.2.2. Classes de uso do solo
No que se refere às classes de uso de solo os pontos podem ser classificados
por 33 classes cuja descrição se encontra no Anexo 4. Na Tabela 3.2 são
apresentadas as classes de uso do solo para os níveis 1 e 2 da nomenclatura
de classificação LUCAS. Para este trabalho de investigação, foram obtidas
estimativas das áreas das classes agricultura (U110), floresta (U120), indústria
Estimação do uso e ocupação do solo ao nível das NUTS 2 e NUTS 3
35
extrativa (U130), serviços culturais, entretenimento e recreativos (U340) e
áreas naturais ou com outros usos socioeconómicos (U612).
Tabela 3.2: Classes de Uso do Solo (para os níveis 1 e 2 do sistema de classificação LUCAS)
Nível 1 Nível 2
U100 – Produção primária U110 (Agricultura), U120 (Floresta), U130 (Indústria extrativa),
U140 (Aquicultura e pesca), U150 (Outra produção primária)
U200 – Produção secundária U210 (Indústria de matérias primas), U220 (Indústria pesada),
U230 (Indústria ligeira), U240 (Produção de energia)
U300 – Produção terciária
U310 (Serviços comerciais), U320 (Serviços financeiros,
profissionais e informação), U330 (Serviços de comunidade),
U340 (Serviços culturais, entretenimento e recreativos).
U400 – Redes de transporte e
serviços de utilidade pública
U410 (Redes de transportes), U420 (Serviços de logística e
armazenagem), U430 (Serviços de utilidade pública)
U500 – Utilização residencial U510 (Utilização residencial permanente), U520 (Utilização
residencial temporária)
U600 – Outras utilizações ou
utilizações não sócio-económicas
U610 (Utilização temporária), U611 (áreas abandonadas), U612
(Áreas naturais ou com outros usos socioeconómicos)
3.2.3. Comparabilidade da nomenclatura de classificação do projeto LUCAS com outros sistemas de classificação
O sistema de classificação LUCAS foi concebido de forma a permitir a maior
comparabilidade possível relativamente a outros sistemas de classificação,
seguindo para tal definições usadas internacionalmente sobre uso e ocupação
do solo (Martino et al., 2009).
Por exemplo, a classificação de florestas (C10) e outras superfícies arborizadas
(C20), estas estão de acordo com a legislação europeia, tendo sido, igualmente,
adotada a classificação sobre florestas da FAO: Reg (EC) N.o 2152/2003 de
Capítulo 3. Land Use and Cover Area Frame Statistical Survey (LUCAS)
36
17/11/2003 relativamente à monitorização de florestas e interações ambientais
na Community - Forest Focus. (Eurostat, 2013a)
Ainda no que se refere à comparabilidade entre os sistemas de classificação
destaca-se o facto de o tipo de florestas definido na nomenclatura do projeto
LUCAS ter sido implementado segundo as indicações da EUNIS (European
University Information Systems).
Os resultados obtidos nos inquéritos implementados no LUCAS têm sido
utilizados como indicadores agro-ambientais e de eficiência energética, assim
como tem sido utilizados na produção, verificação e validação de processos ao
nível de iniciativas mapping de deteção remota, tais como, Corine Land Cover e
outros projetos mapping como Copernicus HRL (High Resolution Layers)
(Eurostat, 2013a).
3.3. Esquema de amostragem implementado no LUCAS
Desde 2006 que no projeto LUCAS tem sido implementado um esquema de
amostragem areolar em duas fases (por estratificação) (double sampling), depois
de um período experimental, entre 2001 e 2005, em que foi utilizado um
esquema de amostragem em duas etapas (Martino et al., 2009).
Segundo Gallego (2007), com este novo esquema de amostragem foi possível
melhorar a eficiência das estimativas, reduzir a variância e extrair unidades
primárias de amostragem (PSU) mais representativas.
De facto, com a utilização de uma amostragem sistemática, na primeira fase do
LUCAS, é possível obter uma distribuição geográfica mais homogénea dos
pontos por todo o espaço europeu o que conjugado com a estratificação da
população (na segunda fase) torna a estimativas com melhor precisão (pelo
aumento da representatividade das amostras dentro dos estratos homogéneos).
A forma como se processa o esquema de amostragem LUCAS é descrita na
Figura 3.1.
Estimação do uso e ocupação do solo ao nível das NUTS 2 e NUTS 3
37
Figura 3.1: Esquema de amostragem em duas fases para 2012 (adaptado de Eurostat, 2012)
3.3.1. Primeira fase do esquema de amostragem
A amostra da primeira fase é obtida a partir de uma amostragem sistemática de
pontos sobrepostos numa grelha quadrangular, com pontos espaçados por 2x2
km2 segundo os 4 pontos cardiais, cobrindo 27 países da União
Europeiaparticipantes no projeto LUCAS. O número total de pontos em 2012 foi
1077247 (Eurostat, 2013a).
A base de amostragem da primeira fase é implementada com intuito de
estratificar a população, usando para tal informação auxiliar obtida por
fotointerpretação, em que a cada ponto é atribuído um de 7 estratos de
cobertura do solo apresentados na Tabela 3.3 (Jacques e Gallego, 2005).
Tabela 3.3: Sete estratos da primeira fase do esquema de amostragem LUCAS
Estrato Designação
1 Terras cultivadas (Arable Lands)
2 Culturas Permanentes (Permanent Crops)
3 Pastagens (Grassland)
4 Áreas de Floresta e Matos (Wooded areas and Shrubland)
5 Solo nu, vegetação esparsa (Bare land, Rare Vegetation)
6 Territórios artificializados (Artificial lands)
7 Corpos de água (Water)
Amostra de 7336 pontos para Portugal
Inventário de campo
Classes de ocupação
do solo.
Classes de uso do
solo.
Grelha de desenho 2 x 2 Km 22257 pontos para Portugal
(LUCAS survey)
Capítulo 3. Land Use and Cover Area Frame Statistical Survey (LUCAS)
38
3.3.2. Segunda fase do esquema de amostragem
A partir dos pontos que compõem a amostra da primeira fase, um novo conjunto
de pontos é extraído e classificado in situ, pelos observadores, de acordo com
as classes de ocupação e uso do solo, apresentadas no Anexo 4.
A precisão da estratificação da primeira fase é avaliada nesta segunda fase pela
comparação do estrato atribuído por fotointerpretação e as classes de ocupação
do solo que foi atribuída ao ponto. Informação mais detalhada sobre os
procedimentos que envolvem este processo de validação pode ser consultada
em Martino et al. (2009).
Segundo os mesmos autores, com o intuito de reduzir a correlação espacial e
obter amostras mais homogéneas, a seleção dos pontos da segunda fase é
realizada através da maximização da distância dos pontos intra e inter estratos,
evitando-se, assim, a recolha de informação redundante que influenciaria
negativamente a precisão das estimativas.
Para alcançar este objetivo, a grelha de pontos que compõe a amostra da
primeira fase do processo de amostragem começa por ser dividida em
subgrelhas com 9x9 pontos formando segmentos quadrados de lado com 18 km
(Figura 3.2).
Figura 3.2: Subgrelhas obtidas a partir da grelha da primeira fase (em que os números representam réplicas de pontos) (retirado de Martino et al., 2009).
Estimação do uso e ocupação do solo ao nível das NUTS 2 e NUTS 3
39
A alocação da numeração dos pontos na grelha decorre pela implementação de
um esquema de amostragem com balanceamento espacial, de acordo com
seguinte algoritmo:
1. O primeiro ponto é selecionado aleatoriamente sendo-lhe atribuído o
número 1;
2. O segundo ponto é selecionado aleatoriamente a partir do grupo de
pontos que maximizam a distância relativamente ao primeiro ponto,
sendo-lhe atribuido o número 2;
3. A seleção do terceiro ponto até ao ponto com o número 81, efetua-se
sempre aleatoriamente a partir do grupo que maximiza a distância
mínima relativamente aos pontos já selecionados (Figura 3.2).
A distância entre dois pontos usada neste algoritmo não é a euclideana, uma
vez que, segundo Brus et al. (2011), a partir de comunicação pessoal de
Gallego, originaria a uma tendência de concentração de pontos próximo das
margens dos quadrados.
No referido trabalho de Brus et al. (2011), são aspresentados dois exemplos
das zonas que maximizam a distância relativamente ao ponto anterior caso se
encontre localizado no canto inferior esquerdo ou no meio do lado esquerdo do
quadrado (Figura 3.3).
Figura 3.3:Indicação das localizações de acordo com as distâncias a um ponto localizado na extremidade à esquerda e no meio do lado esquerdo(adaptado de Brus et al., 2011)
Utilizando este tipo de distância a probabilidade de inclusão de cada ponto na
amostra é a mesma para cada uma das réplicas. A partir da Figura 3.4, obtida
por simulação, observa-se que a probabilidade de inclusão das estimativas
flutua em torno do valor 0.024691, podendo, portanto, considerar-se aleatório o
padrão espacial.
Capítulo 3. Land Use and Cover Area Frame Statistical Survey (LUCAS)
40
Figura 3.4: Probabilidades de inclusão estimadas usando o algoritmo implementado no projeto LUCAS (retirado de Brus et al., 2011)
O algoritmo é implementado uma única vez e a posição dos pontos é utilizada
com a mesma numeração em todos os segmentos. Aos números sombreados
nas grelhas da Figura 3.2 significa que pertencem ao mesmo domínio.
As réplicas são, por fim, selecionadas sequencialmente a partir do número 1
até à réplica com o número da dimensão da amostra para cada domínio,
dependendo das seguintes considerações:
• Para cada país, a dimensão da amostra da segunda fase é obtida através
do valor do Shannon Evenness Index (SEI) por NUTS 2. Para países com
um índice superior ao valor médio dos países europeus (SEI=0,64), houve
um aumento da dimensão da amostra relativamente ao inquérito LUCAS
anterior. Como para Portugal o valor SEI foi de 0.75, a dimensão da
amostra da segunda fase correspondeu a 8 % do número de pontos da
primeira fase (Palmieri, 2012);
• O número de pontos mínimos para cada domínio, ao nível das NUTS 2, foi
fixado em 4 de forma a serem produzidas estimativas aceitáveis em termos
de precisão (Martino e Palmieri, 2009).
3.4. Metodologia de estimação utilizada
Para este trabalho foi utilizada para a obtenção de estimativas das áreas das
classes de ocupação e uso do solo uma metodologia de estimação baseada
num estimador em duas fases proposto por Martino e Palmieri (2009) que tem
sido implementado pelo Eurostat, desde 2006, para a produção de estimativas
oficiais relativas aos dados provenientes do projeto LUCAS.
Estimação do uso e ocupação do solo ao nível das NUTS 2 e NUTS 3
41
Para a metodologia de amostragem, o universo das localizações geográficas é
composto pelo conjunto de todos os pontos obtidos através de uma grelha de
pontos, obtidos a partir de uma grelha com pontos espaçados 1x1 km2 e que
pertencem a uma determinada NUTS 1, NUTS 2 ou NUTS 3.
Portanto, a dimensão do espaço amostral pode variar conforme o nível a que se
refere a NUTS. No caso deste estudo varia do nível 1, mais abrangente,
correspondente a Portugal continental, até ao nível 3, nível mais pormenorizado,
cuja descrição é apresentada no Anexo 1.
Em termos de terminologia, no que se refere à metodologia de estimação, há a
necessidade de distinguir as seguintes notações:
• : número total de pontos no universo (composto pelos pontos
sobrepostos numa grelha quadrada com pontos espaçados por 1x1 km
pelos países participantes no projeto LUCAS);
• : número total de pontos na NUTS correspondente à primeira fase do
processo de amostragem (cujos pontos estão sobrepostos numa grelha
quadrangular com pontos espaçados 2x2 km);
• : número total de pontos da amostrada segunda fase (na NUTS 1, NUTS
2 ou NUTS 3);
• : número de pontos no universo da primeira fase pertencentes ao -
ésimo estrato (na NUTS 1, NUTS 2 ou NUTS 3);
• : número de pontos na amostra da segunda fase pertencentes ao -
ésimo estrato (na NUTS 1, NUTS 2 ou NUTS 3);
3.4.1. Descrição dos tipos de pesos referentes à metodologia de estimação
Como foi referido no esquema de amostragem, para cada NUTS 1, NUTS 2 ou
NUTS 3, os pontos da primeira fase são divididos em sete estratos. Na segunda
fase, cada ponto é classificado segundo a nomenclatura do sistema de
classificação de uso e ocupação do solo do projeto LUCAS.
Para a implementação do estimador para a obtenção das estimativas das áreas
das classes de uso e ocupação do solo, há a necessidade de calcular os
valores associados a dois tipos de pesos:
Capítulo 3. Land Use and Cover Area Frame Statistical Survey (LUCAS)
42
(3.1)
(3.2)
• Pesos dos estratos (weights for stratification), , que compõem cada
NUTS;
• Pesos da segunda fase do esquema de amostragem, , calculados
segundo um conjunto de regras que envolvem a seleção de pontos.
Pesos dos estratos na primeira fase ( )
A partir da fotointerpretação dos pontos e da estratificação da população em sete
estratos, para NUTS 1, NUTS 2 ou NUTS 3, é possível obter diferentes tipos de
domínios (dados pela combinação estrato/NUTS).
A cada um destes domínios está associado um peso, designado neste trabalho
por peso do estrato (weights for stratification) que é representado por .
O valor é obtido, segundo Martino e Palmieri (2009), por
em que é o número de pontos no -ésimo estrato na NUTS 1, 2 ou 3 e é o
número total de pontos que pertencem à NUTS 1, 2 ou 3.
Somando os valores dos pesos para cada estrato para uma NUTS, obviamente
se observa que
∑
Peso do ponto na segunda fase ( )
Neste trabalho os pesos da amostra na segunda fase de amostragem, ,
foram obtidos a partir das instruções fornecidas pelo Eurostat. Segundo Martino
e Palmieri (2009), na primeira fase do processo de amostragem (para cada
domínio) os pontos pertencem a dois subconjuntos e :
• O subconjunto é composto por pontos localizados em áreas com
altitudes acima de 1000 metros (em 2012, essa altitude foi alterada para
1500) e/ou pontos localizados em pequenas ilhas sem ligações dadas por
pontes (número total de pontos de é representado por );
• é formado pelos pontos que se localizam em áreas com altitude
inferior a 1000 m (1500 m, no caso do LUCAS 2012) e que não
Estimação do uso e ocupação do solo ao nível das NUTS 2 e NUTS 3
43
(3.3)
(3.4)
pertençam a pequenas ilhas sem ligação por pontes (número total de
pontos de é representado por ).
Para além disso, , para o esquema de amostragem do LUCAS para o
ano de 2012, também se dividiu em outros dois subconjuntos:
• : subconjunto de pontos já observados em 2009 (cujo número total
de pontos é dado por );
• : subconjunto formado pelos pontos que não foram observados em
2009 (cujo número total de pontos é dado por ).
Consequentemente, o número total de pontos localizados em cada NUTS 1,
NUTS 2 ou NUTS 3, para o -ésimo estrato, é dado por
( )
Segundo os mesmos autores, a segunda fase do esquema de amostragem foi
conduzida de acordo com os seguintes critérios:
• Exclusão de pontos pertencentes ao subconjunto (missing by
design);
• Inclusão de tantos pontos quanto possível que pertençam ao
subconjunto ;
• Inclusão de pontos pertencentes ao subconjunto só depois da
inclusão exaustiva de pontos no subconjunto (partially missing by
design).
Para o cálculo do , de cada ponto pertencente a um determinado
estrato e com uma classe de ocupação do solo associada, é obtido peloproduto
de peso de amostragem (sampling weight), e , e Weight for missing
data adjustment ( ).
Por sua vez, os valores de , podem ser obtidos de duas formas:
{
Assim, sumariando, os pesos, para cada domínio, da segunda fase do
esquema de amostragem ( ) são calculados de acordo com a Tabela 3.4.
Capítulo 3. Land Use and Cover Area Frame Statistical Survey (LUCAS)
44
Tabela 3.4: Pesos da segunda fase, , atribuido ao ponto, de acordo o subconjunto do esquema de amostragem LUCAS a que pertença (Martino e Palmieri, 2009).
Subconjunto Dimensão(N) Descrição Pesos da segunda fase de amostragem
Pontos com
altitudes acima de 1000 m (1500 m, no LUCAS) e/ou pertencentes a pequenas ilhas sem ligações
através de pontes.
Pontos com
altitudes abaixo de 1000 m (1500 m, no LUCAS) e não
pertencentes a pequenas ilhas sem ligações
através de pontes.
Subconjunto de
composto por
pontos já observados no
inquérito LUCAS realizado em 2009.
{
Subconjunto de composto por
pontos não observados no
inquérito LUCAS realizado em 2012.
{
Distribuição de pontos pelos subconjuntos e cálculo dos pesos e por NUTS 2
LUCAS 2009
Na Tabela 3.5 é apresentada, a distribuição do número de pontos por cada
domínio (estrato/NUTS 2), para os subconjuntos, e , a partir da
implementação das regras definidas na Tabela 3.4.
Estimação do uso e ocupação do solo ao nível das NUTS 2 e NUTS 3
45
Tabela 3.5: Número de pontos para cada subconjunto e (para Portugal em 2009)
Nh,2 Nh,1
NUTS2 TOTAL
NUTS2 TOTAL
Estrato PT11 PT15 PT16 PT17 PT18 PT11 PT15 PT16 PT17 PT18
1 667 110 777 152 2815 4521 4 0 5 0 0 9
2 562 191 628 53 532 1966 1 0 0 0 0 1
3 966 232 903 100 615 2816 115 0 38 1 1 155
4 2481 566 3940 258 3487 10732 110 0 76 0 0 186
5 85 59 250 18 162 574 15 2 16 0 1 34
6 265 53 348 104 199 969 4 0 2 0 0 6
7 44 21 69 22 73 229 1 2 1 30 25 59
TOTAL 5070 1232 6915 707 7883 21807 250 4 138 31 27 450
Uma vez que no inquérito LUCAS de 2009 foi implementado oficialmente pela
primeira vez em Portugal, todos os 5428 pontos selecionados na segunda fase
do esquema de amostragem pertencem ao subconjunto de . Assim, no
cálculo dos pesos da segunda fase, , há apenas a considerar o tipo
.
De seguida é apresentado um exemplo de como se processa o cálculo dos
pesos para as duas fases do esquema de amostragem, para o caso de um
ponto que pertença à NUTS 2 Norte (PT11) e à classe das culturas
Permanentes (estrato 1):
O peso do estrato na primeira fase é obtido por
Como no inquérito do projeto LUCAS realizado em 2009, não há a
registar pontos que tenham sido observados em inquéritos anteriores
tem-se que e Consequentemente, o peso da
segunda fase, , é dado por
LUCAS 2012
Na Tabela 3.6 é apresentada, a distribuição do número de pontos por cada
domínio (estrato/NUTS2), para os subconjuntos, e , a partir da
implementação das regras definidas na Tabela 3.4.
Capítulo 3. Land Use and Cover Area Frame Statistical Survey (LUCAS)
46
Tabela 3.6: Número de pontos para cada subconjunto e (para Portugal em 2012)
Nh,2 Nh,1
NUTS2 TOTAL
NUTS2 TOTAL
Estrato PT11 PT15 PT16 PT17 PT18 PT11 PT15 PT16 PT17 PT18
1 585 91 673 103 1994 3446 86 19 109 49 821 1084
2 431 159 520 40 419 1569 132 32 108 13 113 398
3 634 111 662 76 410 1893 447 121 279 25 206 1078
4 1429 223 2579 155 2080 6466 1162 343 1437 103 1407 4452
5 50 24 158 14 108 354 50 37 108 4 55 254
6 250 43 318 99 173 883 19 10 32 5 26 92
7 20 9 31 13 34 107 25 14 39 39 64 181
TOTAL 3399 660 4941 500 5218 14718 1921 576 2112 238 2692 7539
Uma vez que no inquérito LUCAS de 2012, para cada domínios dado pela
combinação estrato/NUTS 2, o conjunto passou a ser formado por pontos
pertencentes aos subconjuntos (terem sido observados em 2009) e
(não terem sido observados em 2009), consequente, para o cálculo dos pesos
da segunda fase do esquema de amostragem, , há a necessidade de
considerar, respetivamente para e ,os pesos e ,
Para cada domínio, o número de pontos e de , distribuem-se
segundo os valores apresentados na Tabela 3.7.
Tabela 3.7:Número de pontos e para cada domínio (para Portugal, em 2012)
NUTS 2
TOTAL PT11 PT15 PT16 PT17 PT18
Estrato Nh,21 Nh,22 Total Nh,21 Nh,22 Total Nh,21 Nh,22 Total Nh,21 Nh,22 Total Nh,21 Nh,22 Total
1 170 415 585 27 64 91 188 485 673 33 70 103 643 1351 1994 3446
2 140 291 431 48 111 159 152 368 520 13 27 40 131 288 419 1569
3 191 443 634 40 71 111 192 470 662 23 53 76 135 275 410 1893
4 491 938 1429 108 115 223 783 1796 2579 53 102 155 690 1390 2080 6466
5 15 35 50 8 16 24 43 115 158 3 11 14 31 77 108 354
6 66 184 250 13 30 43 85 233 318 24 75 99 47 126 173 883
7 4 16 20 5 4 9 5 26 31 3 10 13 9 25 34 107
TOTAL 1077 2322 3399 249 411 660 1448 3493 4941 152 348 500 1686 3532 5218 14718
De seguida é apresentado um exemplo de como se processa o cálculos dos
pesos para as duas fases do esquema de amostragem, para o caso de um
ponto que pertença à NUTS 2 centro (PT16) e pastagens (estrato 3):
Estimação do uso e ocupação do solo ao nível das NUTS 2 e NUTS 3
47
O peso do estrato na primeira fase é obtido por
Caso o ponto selecionado na segunda fase do esquema de amostragem
tenha sido observado também em 2009, como ( )
( ) , em que é o número de pontos da segunda fase
pertencentes ao domínio (PT 16/estrato 3), , é obtido calculando
Caso o ponto selecionado na segunda fase do esquema de amostragem
tenha sido observado pela primeira vez em 2012, como
( ) ( ), , é obtido calculando
3.4.2. Cálculo dos pesos e por NUTS 1 e NUTS 3
Neste trabalho foram igualmente calculados os pesos para os estratos na
primeira fase do esquema de amostragem ( ) e os pesos da segunda fase,
, ao nível das NUTS 1 e NUTS 3 para a obtenção das estimativas das
áreas das classes de uso e ocupação definidas na nomenclatura do sistema de
classificação do projeto LUCAS.
Para tal, foram utilizados os procedimentos descritos no subcapítulo anterior,
pela extensão do conceito de domínio, passando este a ser definido pelo
conjunto de pontos que pertencem simultaneamente ao mesmo estrato e NUTS
1 ou NUTS 3.
Assim, recorrendo à linguagem de programação R, procedeu-se à obtenção dos
pesos, cujos primeiros dez valores da tabela de dados LUCAS, para 2009 e
2012, se encontram nasTabela 3.8 e 3.9.
Capítulo 3. Land Use and Cover Area Frame Statistical Survey (LUCAS)
48
(3.5)
Tabela 3.8: Pesos wh e peso_f2 ao nível das NUTS 3 (2009)
POINT_ID STRATA
(Estratros) NUTS 1 NUTS 2 NUTS 3 wh
(NUTS 1) peso_f2 (NUTS 1)
wh (NUTS 3)
peso_f2 (NUTS 3)
26381958 4 PT1 PT17 PT171 0,491 4,089 0,279 4,318
26401764 4 PT1 PT15 PT150 0,491 4,089 0,458 4,072
26401954 6 PT1 PT17 PT171 0,044 4,046 0,179 4,692
26421762 3 PT1 PT15 PT150 0,133 4,226 0,188 4,070
26421766 3 PT1 PT15 PT150 0,133 4,226 0,188 4,070
26421960 4 PT1 PT17 PT171 0,491 4,089 0,279 4,318
26421964 3 PT1 PT17 PT171 0,133 4,226 0,185 3,316
26441952 3 PT1 PT17 PT171 0,133 4,226 0,185 3,316
26441956 3 PT1 PT17 PT171 0,133 4,226 0,185 3,316
Tabela 3.9: Pesos wh e peso_f2 ao nível das NUTS 3 (2012)
POINT_ID STRATA
(Estratros) NUTS 1 NUTS 2 NUTS 3 wh
(NUTS 1) peso_f2 (NUTS 1)
wh (NUTS 3)
peso_f2 (NUTS 3)
26541954 1 PT1 PT17 PT171 0,204 1,315 0,232 1,549
26541962 3 PT1 PT17 PT171 0,133 5,626 0,185 7,875
26541972 1 PT1 PT17 PT171 0,204 1,315 0,232 1,549
26541990 6 PT1 PT16 PT16B 0,044 1,104 0,070 1,026
26561766 1 PT1 PT15 PT150 0,204 1,315 0,089 1,209
26561770 4 PT1 PT15 PT150 0,491 1,689 0,458 2,538
26561778 4 PT1 PT15 PT150 0,491 1,689 0,458 2,538
26561782 4 PT1 PT15 PT150 0,491 4,913 0,458 3,649
26561784 4 PT1 PT15 PT150 0,491 1,689 0,458 2,538
3.4.3. Estimadores para a proporção e área total
A estimativa da proporção de uma -ésima classe de uso ou ocupação do solo
( ), para uma dada NUTS decorre da aplicação da seguinte fórmula (Martino e
Palmieri, 2009)
∑ (
∑
∑
)
em que:
• : proporção de território para cada NUTS 1, NUTS 2 ou NUTS 3 coberto
pela -ésima classe de ocupação ou uso do solo;
• : peso do -ésimo estrato;
Estimação do uso e ocupação do solo ao nível das NUTS 2 e NUTS 3
49
(3.6)
(3.7)
(3.8)
(3.9)
• : peso da -ésima observação pertencente ao -ésimo estrato e ao -
ésimo subconjunto;
• : variável que tem valor 1 (se a ocupação do solo observada no -ésimo
ponto for da -ésima classe) ou valor 0 (caso contrário).
A estimativa da área para -ésima classe de ocupação ou uso do solo ( ), para
uma dada NUTS 1, NUTS 2 ou NUTS 3, é obtida multiplicando a proporção
estimada para -ésima classe pela área da NUTS correspondente (Gallego,
2013)
onde é área correspondente à NUTS.
3.4.4. Estimador para a variância da proporção e área total
De acordo Cochran (1977), a variância associada à estimativa para uma -ésima
classe de uso ou ocupação do solo, ( ), para uma dada NUTS 1, NUTS 2 ou
NUTS 3 é obtida a partir do estimador para duas fases com estratificação dada
por
( ) ∑
∑
∑ (
) ,
em que
( )
,
Capítulo 3. Land Use and Cover Area Frame Statistical Survey (LUCAS)
50
(3.10)
e
: corresponde ao número total de pontos no universo (sobrepostos na
grelha de pontos espaçados 1x1 km2 por todos os países onde o projeto
LUCAS foi implementado);
: corresponde ao número total de pontos na NUTS 1, NUTS 2 ou
NUTS 3 na primeira fase do processo de amostragem (cujos pontos
estão sobrepostos numa grelha quadrangular com pontos espaçados
2x2 km);
: número de pontos da segunda fase pertencentes ao -ésimo estrato
na NUTS 1, NUTS 2 ou NUTS 3;
: proporção da -ésima classe de uso ou ocupação do solo no -
ésimo estrato na NUTS 1, NUTS 2 ou NUTS 3.
Segundo Gallego (2013), a variância das estimativas da área para -ésima
classe de ocupação ou uso do solo, ( ), para uma dada NUTS 1, NUTS 2
ou NUTS 3, de acordo com um estimador estratificado é dado por
( ) ( ).
No capítulo seguinte são apresentados os resultados da aplicação dos
estimadores referidos em 3.6 e 3.10 para a obtenção das estimativas para as
NUTS 1, NUTS 2 e NUTS 3 a partir dos dados recolhidos nos inquéritos
LUCAS de 2009 e 2012.
51
Capítulo 4
Resultados obtidos
4.1. Análise exploratória da base de dados LUCAS survey
Os dados recolhidos em 2009 e 2012 no projeto LUCAS podem ser consultados
a partir das bases de dados disponibilizadas na página Web 2 do Eurostat
relacionado com o projeto (Eurostat, 2012a).
O número de registos das bases de dados corresponde ao número de pontos
observados nos dois anos em que foram efetuadas recolha de dados para a
obtenção de estatísticas oficiais. A descrição das variáveis e a forma como se
procedeu ao preenchimento dos dados que compõem a base de dados é
apresentada no documento de referência técnica do LUCAS (Eurostat, 2013b).
Aquando da observação in situ dos pontos georeferenciados, os dados
recolhidos foram registados pelos observadores de acordo com o formulário de
campo associado ao projeto LUCAS (Eurostat, 2012b). Portanto, a cada ponto
(ou localização geográfica) é-lhe atribuido, para cada uma das duas fases do
esquema de amostragem LUCAS, um valor associado às variáveis.
De entre as variáveis que compõem a base de dados LUCAS (designada neste
estudo por LUCAS survey), destacam-se, pela sua importância na obtenção das
estimativas das áreas das classes de ocupação e uso do solo de acordo com a
nomenclatura de classifição definida pelo projeto LUCAS, as apresentadas na
Tabela 4.1.
Pelos valores atribuidos às variáveis LC1 e LC2, observa-se que em ambos os
questionários, os observadores atribuiram ao ponto dois tipos de classes de
ocupação do solo: em 2009 cultura permanente de nozes (B74) e vegetação
espontânea (E30) e em 2012 cultura permanente de nozes(B74) e prados com
árvores esparsas (E10). O mesmo acontece com as variáveis LU1 e LU2 em que
foram atribuídas duas classes de uso do solo, produção agrícola (U111) e infra-
estraturas agrícolas (U112).
2http://epp.eurostat.ec.europa.eu/portal/page/portal/lucas/data/LUCAS_primary_data/2012
Capítulo 4. Resultados obtidos
Tabela 4.1: Descrição das variáveis da base de dados LUCAS survey envolvidas no processo de estimação e exemplo dos valores para o ponto com ID=26601762
Variáveis Descrição da variável Tipo de variável Categorias 2009 2012
ID Número de identificação do ponto Discreta 26601762 26601762
STRATA Tipo de estrato Categórica
1: Terras cultivadas; 2: Culturas permanents; 3: Pastagens; 4: Areas de florestas e matos; 5: Solo nu, vegetação esparsa; 6: territórios artificializados; 7:
corpos de água.
1 1
NUTS 1 NUTS 2 NUTS 3
Designação da NUTS Categórica Descrição das NUTS
(ver Anexo 1)
PT1
PT15 PT150
PT1 PT15
PT150
AREA_NUTS1 AREA_NUTS2 AREA_NUTS3
Área de cada NUTS
Contínua
Descrição das áreas de cada NUTS (Anexo 1)
89089 4997 4997
89089 4997
4997
LC1 Primeira classe de ocupação do solo atribuída ao
ponto Categórica
Descrição das classes de ocupação do solo (Anexo 4)
B74 B74
LC2 Segunda classe de ocupação do solo atribuída ao
ponto Categórica
Descrição das classes de ocupação do solo (Anexo 4)
E30 E10
LU1 Primeira classe de uso do solo atribuída ao ponto Categórica Decrição das classes de uso
do solo (Anexo 4) U111 U111
LU2 Segunda classe de uso do solo atribuída ao ponto Categórica Descrição das classes de uso
do solo (ver Anexo 5) U112 U112
OBS_RADIUS Dimensão do raio do círculo definido em torno do
ponto Categórica 1= 1.5m; 2=20m 2 2
AREA_SIZE Dimensão da área em torno do ponto Categórica 1: [0,0.5ha[; 2: [0.5ha, 1ha[;
3: [1ha, 10ha[; 4:[10ha, ; 8: N.R.
2 3
wh Peso do estrato na primeira fase (NUTS 2) Contínua 0,0890 4,0732
peso_f2 Peso do ponto na segunda fase (NUTS 2) Contínua 0,0890 1,2087
Estimação do uso e ocupação do solo ao nível das NUTS 2 e NUTS 3
53
4.1.1. Tipo de estrato (variável STRATA)
4.1.1.1. Distribuição do tipo de estrato na amostra da primeira fase
Nos dois anos em que foi implementado em Portugal o projeto LUCAS, 2009 e
2012, os 22257 pontos que compõem a primeira fase do esquema de
amostragem foram fotointerpretados e classificados de acordo com sete
estratos, cuja distribuição pelos domínios (estrato/NUTS 2) é apresentada na
Tabela 4.2.
Tabela 4.2:Distribuição de pontos por domínio (estrato/NUTS2) na primeira fase do esquema do esquema de amostragem LUCAS para Portugal
PT11 PT15 PT16 PT17 PT18
Estratos Norte Algarve Centro Lisboa Alentejo Total %
1 Terras cultivadas 671 13% 110 9% 782 11% 152 21% 2815 36% 4530 20,4%
2 Culturas permanentes 563 11% 191 15% 628 9% 53 7% 532 7% 1967 8,8%
3 Pastagens 1081 20% 232 19% 941 13% 101 14% 616 8% 2971 13,3%
4 Florestas e matos 2591 49% 566 46% 4016 57% 258 35% 3487 44% 10918 49,1%
5 Solo nu e vegetação esparsa 100 2% 61 5% 266 4% 18 2% 163 2% 608 2,7%
6 Territórios artificializados 269 5% 53 4% 350 5% 104 14% 199 3% 975 4,4%
7 Corpos de água 45 1% 23 2% 70 1% 52 7% 98 1% 288 1,3%
Total 5320 100% 1236 100% 7053 100% 738 100% 7910 100% 22257
Percentagem 23,9% 5,6% 31,7% 3,3% 35,5%
Pela análise da Tabela 4.2, observa-se que aproximadamente 50% do território
português é coberto por florestas e matos (estrato 4) e que existe igualmente
uma presença relevante de terras cultivadas (estrato 1) com 20,4 %, e de
pastagens (estrato 3) com 13,3 %.
Em termos de distribuição de pontos ao nível das NUTS 2, confirma-se a
proeminência de florestas e matos (estrato 4) por todo país relativamente aos
outros estratos. Observa-se um aumento da percentagem de ocupação de terras
cultivadas (estrato 1) no Alentejo (PT18) e em Lisboa (PT17) comparativamente
ao que ocorre no resto do país.
Pela análise da Tabela 4.3 onde é apresentada a distribuição de pontos pelos
sete estratos ao nível das NUTS 3, observa-se que, excetuando o caso do Baixo
Alentejo (PT184), em que terras cultivadas (estrato 1) tem uma maior
predominância em relação aos outros estratos, para todas as outras NUTS 3,
Capítulo 4. Resultados obtidos
54
florestas e matos (estrato 4) é o que apresenta maior distribuição
(maioritariamente acima de 50%).
Terras cultivadas (estrato 1), culturas permanentes (estrato 2) e pastagens
(estrato 3) têm distribuições que variam na maioria dos casos abaixo de 25%.
Relativamente a terras cultivadas (estrato 1), a situação muda
consideravelmente para as NUTS 3 pertencentes a Lisboa (PT17) e Alentejo
(PT18). Nestes estes casos, observam-se os valores mais altos para este tipo
de estrato.
Tabela 4.3: Distribuição de pontos por domínio (estrato/NUTS 3) na primeira fase do esquema do esquema de amostragem LUCAS para Portugal continental (em 2009 e 2012)
NUTS3 Estratos
Total % 1 2 3 4 5 6 7
PT111 45 8% 16 3% 161 29% 277 50% 24 4% 26 5% 7 1% 556 2,5%
PT112 44 14% 7 2% 43 14% 176 57% 10 3% 28 9% 2 1% 310 1,4%
PT113 42 14% 8 3% 53 17% 167 54% 6 2% 31 10% 4 1% 311 1,4%
PT114 42 21% 7 3% 12 6% 80 40% 4 2% 54 27% 3 1% 202 0,9%
PT115 55 8% 45 7% 151 23% 351 53% 12 2% 39 6% 5 1% 658 3,0%
PT116 30 14% 2 1% 16 7% 140 65% 4 2% 23 11% 0 0% 215 1,0%
PT117 78 8% 226 22% 231 22% 453 44% 12 1% 22 2% 10 1% 1032 4,6%
PT118 335 16% 252 12% 414 20% 949 47% 28 1% 46 2% 14 1% 2038 9,2%
PT150 110 9% 191 15% 232 19% 566 46% 61 5% 53 4% 23 2% 1236 5,6%
PT161 59 13% 10 2% 45 10% 239 53% 30 7% 45 10% 24 5% 452 2,0%
PT162 89 17% 42 8% 47 9% 278 54% 22 4% 30 6% 6 1% 514 2,3%
PT163 41 9% 37 8% 56 13% 255 58% 16 4% 31 7% 1 0% 437 2,0%
PT164 26 4% 34 5% 54 8% 486 74% 24 4% 25 4% 4 1% 653 2,9%
PT165 116 13% 21 2% 131 15% 533 61% 35 4% 32 4% 2 0% 870 3,9%
PT166 10 2% 23 5% 26 5% 366 77% 21 4% 24 5% 4 1% 474 2,1%
PT167 25 11% 7 3% 42 19% 128 58% 7 3% 10 5% 1 0% 220 1,0%
PT168 99 10% 92 9% 271 27% 494 49% 22 2% 36 4% 2 0% 1016 4,6%
PT169 163 17% 95 10% 105 11% 506 54% 33 4% 18 2% 12 1% 932 4,2%
PT16A 54 16% 24 7% 39 11% 195 56% 11 3% 19 5% 4 1% 346 1,6%
PT16B 60 11% 142 26% 78 14% 212 38% 20 4% 39 7% 5 1% 556 2,5%
PT16C 40 7% 101 17% 47 8% 322 55% 25 4% 41 7% 5 1% 581 2,6%
PT171 79 23% 19 6% 63 19% 95 28% 8 2% 61 18% 15 4% 340 1,5%
PT172 73 18% 34 8% 39 10% 163 40% 11 3% 43 11% 43 11% 406 1,8%
PT181 329 25% 20 2% 121 9% 742 56% 37 3% 42 3% 31 2% 1322 5,9%
PT182 435 28% 120 8% 154 10% 748 48% 55 4% 35 2% 16 1% 1563 7,0%
PT183 704 39% 108 6% 132 7% 791 44% 20 1% 40 2% 14 1% 1809 8,1%
PT184 1099 51% 167 8% 145 7% 641 30% 38 2% 33 2% 23 1% 2146 9,6%
PT185 248 23% 117 11% 63 6% 565 53% 12 1% 49 5% 8 1% 1062 4,8%
TOTAL 4530 20% 1967 9% 2971 13% 10918 49% 608 3% 975 4% 288 1% 22257 100,0%
Estimação do uso e ocupação do solo ao nível das NUTS 2 e NUTS 3
55
4.1.1.2. Distribuição do tipo de estrato na amostra da segunda fase
A distribuição do número de pontos por domínio na segunda fase do processo de
amostragem foi realizada de forma a obter amostras espacialmente homogéneas
e com uma menor autocorrelação entre os pontos (Brus et al. 2011).
Para Portugal, em 2009, foram observados na segunda fase 5428 pontos, cuja
distribuição é apresentada na Tabela 4.4. Observa-se que os resultados
obtidos não diferem consideravelmente, em percentagem, dos obtidos na
primeira fase.
Tabela 4.4:Distribuição de pontos por domínio (estrato/NUTS 2) na segunda fase do esquema do esquema de amostragem LUCAS para Portugal continental (em 2009)
PT11 PT15 PT16 PT17 PT18 Estratos Norte Algarve Centro Lisboa Alentejo Total %
1 Terrenos cultiváveis 171 13% 27 9% 194 11% 38 22% 686 36% 1116 20,6%
2 Culturas permanentes 144 11% 49 16% 156 9% 13 7% 135 7% 497 9,2%
3 Pastagens 247 19% 57 19% 225 13% 25 14% 149 8% 703 13,0%
4 Florestas e matos 636 49% 139 45% 983 57% 63 36% 849 44% 2670 49,2%
5 Solo nu e vegetação esparsa 21 2% 15 5% 59 3% 4 2% 41 2% 140 2,6%
6 Territórios artificializados 68 5% 13 4% 87 5% 25 14% 48 2% 241 4,4%
7 Corpos de água 13 1% 6 2% 18 1% 6 3% 18 1% 61 1,1%
Total 1300 100% 306 100% 1722 100% 174 100% 1926 100% 5428
% 23,9% 5,6% 31,7% 3,2% 35,5%
De acordo com Palmieri et al. (2011), Portugal é um país com uma distribuição
espacial heterogénea em termos paisagísticos. Este facto é refletido no valor do
Índice Shannon para Portugal (0.75) que é superior à média Europeia. Tendo em
consideração este facto, para os dados recolhidos no LUCAS de 2012 houve um
aumento do número de pontos observados na segunda fase de amostragem
(7336 pontos). A distribuição dos pontos por tipo de estrato ao nível das NUTS 2
é apresentada na Tabela 4.5.
Tabela 4.5:Distribuição de pontos por domínio (estrato/NUTS 2) na segunda fase do esquema do esquema de amostragem LUCAS para Portugal continental (em 2012)
PT11 PT15 PT16 PT17 PT18 Estratos Norte Algarve Centro Lisboa Alentejo Total %
1 Terras cultivadas 231 13% 36 9% 262 11% 51 22% 929 36% 1509 20,6%
2 Culturas permanentes 195 11% 66 16% 211 9% 17 7% 182 7% 671 9,1%
3 Pastagens 333 19% 77 19% 303 13% 33 14% 201 8% 947 12,9%
4 Florestas e matos 861 49% 188 46% 1333 57% 85 37% 1150 44% 3617 49,3%
5 Solo nu e vegetação esparsa 28 2% 20 5% 79 3% 5 2% 55 2% 187 2,5%
6 Territórios artificializados 92 5% 17 4% 117 5% 33 14% 65 2% 324 4,4%
7 Corpos de água 17 1% 8 2% 24 1% 8 3% 24 0,9% 81 1,1%
Total 1757 100% 412 100% 2329 100% 232 100% 2606 100% 7336
% 24,0% 5,6% 31,7% 3,2% 35,5%
Capítulo 4. Resultados obtidos
56
Os resultados da Tabela 4.6 confirmam que com a desagregação das NUTS 2
por NUTS 3, o número de pontos para alguns estratos diminui
consideravelmente, observando-se a existência de vários domínios
(estrato/NUTS 3) em que não foram extraídos pontos na segunda fase do
processo de amostragem. Esta situação deve-se ao facto de amostra ter sido
definida para a produção de estimativas ao nível das NUTS2 (Gallego, 2013).
Tal facto, como se verá neste capítulo, condicionará a precisão das estimativas
obtidas ao nível das NUTS 3 neste trabalho.
Tabela 4.6:Distribuição de pontos por domínio (estrato/NUTS 3) na segunda fase do esquema do esquema de amostragem LUCAS para Portugal continental
2009 2012
NUTS3 Estratos
Total
NUTS3 Estratos
Total 1 2 3 4 5 6 7 1 2 3 4 5 6 7
PT111 11 5 35 67 7 7 2 134 PT111 17 5 35 86 10 11 4 168
PT112 10 0 8 43 1 6 1 69 PT112 16 2 13 61 0 9 0 101
PT113 10 4 12 39 2 11 2 80 PT113 15 4 23 61 4 14 1 122
PT114 14 4 4 25 2 8 1 58 PT114 17 5 6 37 3 12 2 82 PT115 12 15 35 84 2 11 0 159 PT115 17 20 45 105 2 14 1 204
PT116 10 1 3 30 0 7 0 51 PT116 13 2 8 48 0 8 0 79
PT117 16 54 48 127 4 8 3 260 PT117 17 68 73 147 1 9 4 319
PT118 88 61 102 221 3 10 4 489 PT118 119 89 130 317 8 15 5 683
PT150 27 49 57 139 15 13 6 306 PT150 36 66 77 188 20 17 8 412
PT161 15 1 15 62 7 12 6 118 PT161 18 3 24 89 8 13 7 162
PT162 19 14 12 65 7 8 2 127 PT162 24 20 16 112 10 13 4 199
PT163 8 14 16 59 4 9 0 110 PT163 15 18 18 98 7 16 1 173
PT164 5 6 14 129 3 4 1 162 PT164 8 8 22 150 7 6 1 202 PT165 31 10 20 127 10 10 0 208 PT165 44 12 32 178 13 10 1 290
PT166 2 8 5 90 5 4 2 116 PT166 2 9 6 121 8 5 0 151
PT167 6 0 7 23 0 1 0 37 PT167 12 1 13 33 0 1 1 61
PT168 29 22 66 116 3 7 0 243 PT168 39 27 82 150 5 9 0 312
PT169 39 27 30 127 7 2 4 236 PT169 44 35 33 132 5 5 4 258
PT16A 13 4 10 45 2 8 1 83 PT16A 19 6 13 62 1 8 2 111
PT16B 14 30 23 58 3 12 0 140 PT16B 21 43 30 82 6 15 2 199
PT16C 13 20 7 82 8 10 2 142 PT16C 16 29 14 125 9 16 1 210
PT171 17 3 19 22 2 13 4 80 PT171 25 5 23 35 2 15 2 107 PT172 21 10 6 41 2 12 2 94 PT172 26 12 10 50 3 18 6 125
PT181 81 3 25 190 7 9 1 316 PT181 122 7 35 264 12 11 2 453
PT182 118 32 29 180 15 8 7 389 PT182 161 43 47 257 24 10 7 549
PT183 169 24 34 199 3 10 0 439 PT183 221 33 45 257 6 14 6 582
PT184 249 47 44 156 10 9 8 523 PT184 346 60 50 225 9 13 9 712
PT185 69 29 17 124 6 12 2 259 PT185 79 39 24 147 4 17 0 310
TOTAL 1116 497 703 2670 140 241 61 5428 TOTAL 1509 671 947 3617 187 324 81 7336
Estimação do uso e ocupação do solo ao nível das NUTS 2 e NUTS 3
57
4.1.2. Classes de ocupação do solo (variáveis LC1 e LC2)
Como foi referido aquando da descrição da Tabela 4.1, as variáveis LC1 e LC2
dizem respeito aos tipos de classes de ocupação do solo que podem ser
atribuídos a cada ponto observado in situ na segunda fase do esquema de
amostragem por parte dos observadores de acordo com o documento de
referência técnica (Eurostat, 2012a). A variável LC2 apenas tem uma classe
atribuída nos casos em que que existe heterogeneidade do solo.
No caso do exemplo do ponto apresentado na Tabela 4.1, com ID 26601762, é
possível observar que este se localiza numa zona heterogénea em termos de
classes de ocupação do solo que o envolvem. Por isso, o observador, atribuiu
nas variáveis LC1 e LC2, para o nível 3 do sistema de classificação do LUCAS,
as classes de ocupação do solo B74 e E30 (em 2009) e B74 e E10 (em 2012).
De seguida é efetuada uma análise exploratória sobre distribuição de pontos da
variável LC1 pelos os três níveis que compõem as classes de ocupação do solo
do sistema de classificação usado no projeto LUCAS. A escolha desta variável,
em detrimento da LC2, prende-se com o facto de serem os valores destaque são
usados atualmente pelo Eurostat para a obtenção de estimativas para as classes
de ocupação do solo através dos estimadores descritos em 3.6 e 3.10.
4.1.2.1. Distribuição do tipo de classe de ocupação do solo por NUTS 1,
NUTS 2 e NUTS 3
Nível 1 das classes de ocupação do solo do LUCAS
Pela análise da Tabela 4.7, observa-se, para o nível 1 da nomenclatura de
classificaçãoLUCAS, que a maior parte dos pontos da segunda fase do
processo de amostragem foram classificados como pertencendo a florestas (C),
com aproximadamente 45 % do número de pontos para a Portugal continental
(NUTS 1).Os restantes pontos, para as NUTS 1 e todas as NUTS 2, pertencem
fundamentalmente a três classes: terrenos agrícolas (B), matos (D) e prados
(E) com proporções muito semelhantes.
As restantes classes, solo nu e líquenes (F), corpos de água (G) e zonas
húmidas (H) apresentam um número de pontos para todas as NUTS 2 abaixo
de 5% do total de pontos.
Capítulo 4. Resultados obtidos
58
Tabela 4.7:Distribuição de pontos, por tipo de classe de ocupação do solo ao nível 1 da nomenclatura de classificação LUCAS por NUTS 1 e NUTS 2
Classes de ocupação do solo (Nível 1)
Ano A B C D E F G H Total
PT11 Norte 2009
89 279 494 197 154 71 14 1 1299
7% 21% 38% 15% 12% 5% 1% 0% 100%
2012
150 357 602 315 253 63 17 0 1757
9% 20% 34% 18% 14% 4% 1% 0% 100%
PT15 Algarve 2009
18 54 78 98 31 13 5 9 306
6% 18% 25% 32% 10% 4% 2% 3% 100%
2012
25 93 133 79 57 12 6 7 412
6% 23% 32% 19% 14% 3% 1% 2% 100%
PT16 Centro 2009
103 277 899 178 175 68 17 6 1723
6% 16% 52% 10% 10% 4% 1% 0% 100%
2012
150 369 1102 318 261 98 27 4 2329
6% 16% 47% 14% 11% 4% 1% 0% 100%
PT17 Lisboa 2009
28 39 43 13 28 15 4 4 174
16% 22% 25% 7% 16% 9% 2% 2% 100%
2012
39 44 56 29 52 3 6 3 232
17% 19% 24% 13% 22% 1% 3% 1% 100%
PT18 Alentejo 2009
49 374 980 82 359 47 33 2 1926
3% 19% 51% 4% 19% 2% 2% 0% 100%
2012
70 498 1342 101 495 54 45 1 2606
3% 19% 51% 4% 19% 2% 2% 0% 100%
PT1 Portugal
continental
2009
287 1023 2494 568 747 214 73 22 5428
5% 19% 46% 10% 14% 4% 1% 0% 100%
2012
434 1361 3235 842 1118 230 101 15 7336
6% 19% 44% 11% 15% 3% 1% 0% 100%
Nível 2 e nível 3 das classes de ocupação do solo do LUCAS
Pela análise da Tabela 4.8, em que é apresentada a distribuição do número de
pontos, por NUTS 2, observa-se que aproximadamente 25% dos pontos
extraídos na segunda fase da amostra, para 2009 e 2012, pertencem à classe
floresta de folhas caducifólias (C11).
Outras classes com alguma representatividade, com aproximadamente 10% dos
pontos, há a referir: prados sem árvores (E20), em 2012; vegetação espontânea
(E30), em 2009; vinha, olival, viveiros e culturas permanentes industriais (B80),
outras superfícies arborizadas (C20) e matos sem árvores (D20). Todas as
outras classes têm uma percentagem de pontos abaixo de 5% .
Analisando a distribuição do número de pontos por NUTS 3, para as classes
LUCAS de ocupação do Solo (para o nível 2 e 3), observam-se 208 casos em
que não existem pontos. Este número corresponde a 28% das situações (Tabela
4.9).
Estimação do uso e ocupação do solo ao nível das NUTS 2 e NUTS 3
59
Tabela 4.8:Distribuição dos pontos da amostra da segunda fase para o nível 3 das classes de ocupação do solo por NUTS 1 e NUTS 2
2009 2012
Classes de ocupação do
solo
PT11 PT15 PT16 PT17 PT18 PT1 Classes de ocupação do solo
PT11 PT15 PT16 PT17 PT18 PT1
Norte Algarve Centro Lisboa Alentejo Portugal
continental Norte Algarve Centro Lisboa Alentejo
Portugal continental
A10 27 4 43 5 15 94 1,7% A10 59 11 47 13 23 153 2% A20 62 14 60 23 34 193 3,6% A20 91 14 103 26 47 281 3,8% B10 62 3 85 8 146 304 5,6% B10 64 1 100 11 202 378 5,2% B20 9 0 8 1 4 22 0,4% B20 17 1 12 4 1 35 0,5% B30 0 0 1 0 16 17 0,3% B30 0 0 0 0 8 8 0,1% B40 13 0 12 2 16 43 0,8% B40 13 0 12 5 15 45 0,6% B50 16 0 13 14 33 76 1,4% B50 21 1 21 2 48 93 1,3% B70 43 29 20 3 4 99 1,8% B70 70 46 40 4 12 172 2,3% B80 136 22 138 11 155 462 8,5% B80 172 44 184 18 212 630 8,6% C11 188 29 375 14 668 1274 23,5% C11 181 39 470 27 1062 1779 24,3% C12 98 16 230 13 78 435 8,0% C12 106 31 345 16 111 609 8,3% C13 63 1 87 4 64 219 4,0% C13 22 4 46 4 34 110 1,5% C20 114 24 160 11 155 464 8,5% C20 167 46 164 5 93 475 6,5% C30 31 8 47 1 15 102 1,9% C30 126 13 77 4 42 262 3,6% D10 31 42 57 7 20 157 2,9% D10 47 28 135 11 35 256 3,5% D20 166 56 121 6 62 411 7,6% D20 268 51 183 18 66 586 8,0% E10 4 9 7 0 16 36 0,7% E10 13 19 34 5 47 118 1,6% E20 23 2 9 3 157 194 3,6% E20 188 28 159 21 384 780 10,6% E30 127 20 159 25 186 517 9,5% E30 52 10 68 26 64 220 3,0%
F00 71 13 68 15 47 F10 25 1 37 1 11 75 1,0%
214 3,9% F20 1 0 4 0 1 6 0,1% F40 37 11 57 2 42 149 2,0%
G10 9 2 7 1 21 40 0,7% G10 5 2 14 3 27 51 0,7% G20 5 2 5 1 11 24 0,4% G20 11 3 8 0 18 40 0,5% G30 0 1 5 2 1 9 0,2% G30 1 1 5 3 0 10 0,1% H10 0 0 3 0 0 3 0,1% H10 0 0 1 0 0 1 0,0% H20 1 9 3 4 2 19 0,4% H20 0 7 3 3 1 14 0,2%
Capítulo 4. Resultados obtidos
60
Tabela 4.9:Distribuição dos pontos da amostra da segunda fase para o nível 3 das classes de ocupação do solo por NUTS 3 (em 2012)
NUTS 3
Classes de ocupação do solo PT111
PT 112
PT 113
PT 114
PT 115
PT 116
PT 117
PT 118
PT 150
PT 161
PT 162
PT 163
PT 164
PT 165
PT 166
PT 167
PT 168
PT 169
PT 16A
PT 16B
PT 16C
PT 171
PT 172
PT 181
PT 182
PT 183
PT 184
PT 185
(Nível 2 e 3)
A10 8 7 4 9 12 2 6 11 11 7 7 6 3 5 0 1 2 2 2 6 6 5 8 4 3 4 4 8 A20 11 4 17 8 16 10 12 13 14 9 13 14 3 16 3 1 6 3 5 18 12 12 14 9 5 9 8 16 B10 4 4 11 11 10 3 1 20 1 8 15 8 4 11 1 1 14 10 10 8 10 7 4 27 40 33 73 29 B20 1 1 3 0 4 1 1 6 1 2 1 1 0 2 1 0 1 0 0 4 0 2 2 0 0 0 0 1 B30 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 7 1 B40 0 3 2 1 2 1 2 2 0 0 0 2 0 4 0 1 0 0 1 2 2 5 0 3 1 1 0 10 B50 2 6 1 2 3 5 2 0 1 5 2 0 2 7 0 1 0 1 0 3 0 1 1 8 8 10 16 6 B70 2 3 2 3 5 0 20 35 46 2 1 2 1 1 2 2 7 1 2 15 4 3 1 1 2 1 4 4 B80 9 3 7 2 19 1 61 70 44 6 11 13 7 20 13 2 23 38 13 17 21 7 11 8 45 45 94 20 C11 20 5 5 10 18 26 19 79 39 56 47 22 49 49 26 1 20 80 12 30 77 11 16 198 261 285 209 109 C12 6 0 1 1 7 3 35 53 31 21 41 42 32 54 53 9 14 27 18 17 17 0 16 45 15 11 23 17 C13 4 1 2 1 5 3 1 5 4 3 4 8 6 9 5 0 2 0 2 2 5 1 3 10 6 7 5 6 C20 0 0 5 0 6 3 34 119 46 4 11 18 20 15 6 4 24 29 11 12 10 4 1 10 27 11 36 9 C30 14 23 22 14 34 1 4 14 13 3 1 3 16 8 8 3 11 6 4 2 12 1 3 15 6 8 5 8 D10 13 3 5 1 7 0 13 5 28 0 6 1 21 9 17 6 49 9 4 6 7 7 4 11 6 1 14 3 D20 36 14 12 4 32 6 67 97 51 4 9 7 14 31 9 15 52 10 12 13 7 11 7 8 18 6 27 7 E10 1 5 0 1 1 1 2 2 19 2 3 0 2 0 1 2 11 5 1 2 5 2 3 13 5 9 16 4 E20 17 10 16 6 11 3 20 105 28 6 11 18 6 12 0 6 38 30 5 22 5 19 2 54 73 102 129 26 E30 4 5 2 3 5 10 5 18 10 8 5 2 4 13 0 3 10 1 5 13 4 4 22 16 8 17 9 14 F10 6 2 1 0 3 0 6 7 1 0 0 1 5 10 1 1 18 0 1 0 0 1 0 0 8 1 2 0 F20 0 0 0 1 0 0 0 0 0 2 0 0 0 0 0 0 1 0 0 1 0 0 0 0 0 0 0 1 F40 4 2 3 2 3 0 5 18 11 5 4 4 6 12 4 1 9 2 2 3 5 0 2 8 3 8 15 8 G10 1 0 0 1 0 0 1 2 2 1 1 1 1 2 0 1 0 3 0 3 1 2 1 1 6 10 9 1 G20 4 0 1 1 1 0 2 2 3 1 4 0 0 0 1 0 0 1 1 0 0 0 0 3 3 3 7 2 G30 1 0 0 0 0 0 0 0 1 3 2 0 0 0 0 0 0 0 0 0 0 1 2 0 0 0 0 0 H10 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 H20 0 0 0 0 0 0 0 0 7 3 0 0 0 0 0 0 0 0 0 0 0 1 2 1 0 0 0 0
Estimação do uso e ocupação do solo ao nível das NUTS 2 e NUTS 3
61
4.1.2.2. Distribuição de pontos com duplos registos para as variáveis LC1 e LC2
Como foi referido anteriormente, em situações em que um ponto se localiza em zonas
heterogéneas em termos de composição do solo, pode ocorrer a necessidade, por
parte do observador na segunda fase do esquema de amostragem, em atribuir duas
classes ao ponto registadas nas variáveis LC1 e LC2.
Nas Tabelas 4.10 e 4.11 observa-se que, para o nível 1 das classes de ocupação do
solo LUCAS, em 2009 houve 1516 pontos com dois tipos de classes e em 2012 o
número foi de 1565.
Observa-se, igualmente, que maioritariamente os casos de pontos com duplos
registos ocorreram em terrenos agrícolas (B), florestas (C), prados (E) e solos nu e
líquenes (F).
As células coloridas das Tabelas 4.10 e 4.11, representam as combinações dadas
pelas classes C/D, B/E, C/E e B/F com maior representação de registos duplos e
consequentemente, as classes que apresentam maior heterogeneidade em termos de
ocupação do solo. No total, estas combinações representam cerca 90 % dos casos.
Tabela 4.10:Distribuição de pontos em 2009 com duplos registos na segunda fase do esquema de amostragem para as classes de ocupação do solo (ao nível da nomenclatura LUCAS)
LC 2
LC1 B D E F Total %
A 3 3 0,2% B 36 17 312 168 533 35,2% C 26 306 565 83 980 64,6%
Total 65 323 877 251 1516
% 4,3% 21,3% 57,8% 16,6%
Tabela 4.11:Distribuição de pontos em 2012 com duplos registos na segunda fase do esquema de amostragem para as classes de ocupação do solo (ao nível da nomenclatura LUCAS)
LC 2
LC 1 B D E F Total %
A 1 1 0,1% B 38 33 504 137 712 45,5% C 35 203 593 20 851 54,4% F 1 1 0,1%
Total 74 237 1097 157 1565
% 4,7% 15,1% 70,1% 10,0%
Capítulo 4. Resultados obtidos
62
Uma vez que para a obtenção de estimativas das áreas das classes de ocupação do
solo foram utilizadas exclusivamente as categorias indicados na variável LC1, tal facto
poderá originar um fenómeno de subjetividade na atribuição das classes entre as
fontes de classificação nacionais (NDS) para pontos situados em regiões com
diversidade paisagística.
4.1.2.3. Alteração do tipo de classe de ocupação do solo entre 2009 e 2012
Outro aspeto que pode contribuir prejudicialmente na comparação entre as
estimativas obtidas no projeto LUCAS e resultados provenientes de outras fontes
nacionais é a questão temporal.
Por exemplo, analisando os resultados da Tabela 4.12, para os dados recolhidos nos
questionátios do LUCAS, entre 2009 e 2012, observa-se que 1032 pontos (20% do
total de pontos observados em 2009) foram classificados com um tipo de
nomenclatura e no inquérito realizado em 2012 foi-lhes atribuído uma classe diferente
(ao nível 1 do sistema de classificação LUCAS).
Perante esta situação, o processo de comparação, necessariamente, poderá ficar
condicionado não apenas pela forma como se recolhem os dados (bastante diferentes
entre as diversas fontes de sistemas de classificação), mas em particular pelo
momento em que foi efetuada essa recolha.
Uma vez que existem apenas dados para dois momentos para os inquéritos LUCAS
(2009 e 2012) é difícil modelar a relação temporalutilizando as estimativas obtidas até
este momento.
Tabela 4.12:Descrição do número de pontos cuja classe de ocupação do solo em 2012 foi diferente da atribuída em 2009 (ao nível 1 da nomenclatura do sistema de classificação LUCAS)
LC 1 (em 2012)
LC 1 (em 2009) A B C D E F G Total
A 9 3 4 11 19 46 B 5 11 16 167 15 1 215 C 8 20 111 32 26 1 198 D 6 27 96 41 16 5 191 E 12 123 53 73 13 1 275 F 10 17 15 20 32 2 96 G 2 3 1 6 H 1 1 3 5
Total 41 197 180 227 285 89 13 1032
Estimação do uso e ocupação do solo ao nível das NUTS 2 e NUTS 3
63
4.1.3. Classes de uso do solo (variáveis LU1 e LU2)
As variáveis LU1 e LU2 dizem respeito aos tipos de classes de uso do solo que
podem ser atribuídas a cada ponto observado in situ na segunda fase do esquema de
amostragem do projeto LUCAS.
No caso do exemplo do ponto apresentado na Tabela 4.1, com ID 26601762, é
possível observar que este se localiza numa zona heterogénea em termos de classes
de uso do solo. Por isso, foi-lhe atribuído nas variáveis LU1 e LU2, ao nível 3 do
sistema de classificação, duas classes, produção agrícola comercial (U111) e infra-
estruturas agrícolas (U112).
De seguida é apresenta a distribuição do número de pontos pertencentes às classes
de agricultura (U110), floresta (U120), indústria extrativa (U130), serviços culturais,
entretenimento e recreativos (U340) e áreas naturais ou com outros usos
socioeconómicos (U612) que foram usadas neste estudo na obtenção de estimativas
para classes de uso do solo a partir dos valores registados na variável LU1.
A escolha da variável LU1 prende-se com o facto de ser os valores desta variável que
são usados atualmente pelo Eurostat para a obtenção de estimativas para as classes
de ocupação do solo através dos estimadores apresentados em 3.6 e 3.10.
4.1.3.1. Distribuição do tipo de classe de uso do solo por NUTS 1, NUTS 2 e NUTS 3
Pela análise das Tabelas 4.13 e 4.14, observa-se a maior presença de pontos pelas
classes U110 e U120 por todo o país. Observa-se que os dados da base de dados
LUCAS survey para o ano 2009 não houve registo de pontos pertencentes à classe U
612.
Ao nível das NUTS 3 observa-se que as classes U130 e U340 apresentam um
número de pontos baixo o que originará estimativas com pouca precisão (Tabela
4.14).
Capítulo 4. Resultados obtidos
64
Tabela 4.13:Distribuição dos pontos da amostra da segunda fase para as classes U110, U120, U130, U340 e U612 por NUTS 1 e 2 (em 2009 e 2012)
LU PT11 PT15 PT16 PT17 PT18 PT1
2009 2012 2009 2012 2009 2012 2009 2012 2009 2012 2009 2012
U110 475 652 88 167 513 708 60 99 880 1572 2016 3198
U120 357 488 54 116 767 965 27 43 830 812 2035 2424
U130 2 1 3 3 6 9 2 1 2 2 15 16
U340 3 3 2 3 7 6 5 5 5 3 22 20
U612 0 213 0 25 0 205 0 19 0 56 0 518
TOTAL 837 1357 147 314 1293 1893 94 167 1717 2445 4088 6176
Tabela 4.14:Distribuição dos pontos da amostra da segunda fase para as classes U110, U120, U130, U340 e U612por NUTS 3 (em 2009 e 2012)
LUCAS 2009 LUCAS 2012
NUTS 3 U110 U120 U130 U340 U110 U120 U130 U340 U612
PT111 31 44 0 0 41 53 0 0 39 PT112 24 23 0 0 40 36 0 0 10 PT113 25 28 1 1 38 36 0 0 15 PT114 20 16 0 1 25 24 0 1 1 PT115 40 58 1 1 58 72 1 0 33 PT116 11 23 0 0 23 32 0 0 7 PT117 108 57 0 0 117 62 0 0 51 PT118 216 108 0 0 310 173 0 2 57 PT150 88 54 3 2 167 116 3 3 25 PT161 31 63 0 2 40 83 2 3 15 PT162 41 62 1 1 48 98 1 0 17 PT163 32 53 0 0 48 83 0 1 3 PT164 21 106 0 0 26 106 0 1 34 PT165 48 88 0 1 73 111 0 0 56 PT166 19 75 0 0 19 107 0 0 7 PT167 11 14 0 0 16 14 0 0 10 PT168 96 57 1 1 112 55 2 1 46 PT169 83 112 1 1 120 123 1 0 2 PT16A 30 36 0 0 45 39 0 0 7 PT16B 60 33 3 0 89 51 3 0 7 PT16C 41 68 0 1 72 95 0 0 1 PT171 24 4 0 3 47 12 1 3 10 PT172 36 23 2 2 52 31 0 2 9 PT181 97 166 0 3 268 151 0 1 16 PT182 162 183 0 0 336 174 0 0 19 PT183 209 202 1 0 348 201 2 0 8 PT184 298 166 0 0 453 182 0 0 10
PT185 114 113 1 0 167 104 0 2 3
4.1.4. Raio atribuido ao ponto (variável OBS_RADIUS)
No projeto LUCAS, considera-se que um ponto é uma representação geométrica
definida por um círculo com 1,5 metros de raio o que corresponde a uma área
aproximada de 7 m2. Como foi descrito na Tabela 4.1, a variável OBS_RADIUS pode
ter dois valores: 1 (para os casos em que o raio do círculo que representa o ponto é
menor que 1,5 m) ou 2 (é atribuido de um modo genérico o valor 20 metros).
Estimação do uso e ocupação do solo ao nível das NUTS 2 e NUTS 3
65
Na maior parte dos casos, os pontos observados na segunda fase estão localizados
em superfícies homogéneas, cuja classificação do ponto de acordo com as classes de
ocupação e uso do solo é fácil de ser realizada, como ocorre na Figura 4.1A. Para
estes casos, o observador regista na variável OBS_RADIUS o valor 1.
Para casos de solos heterogéneos, o observador necessita de estender a área em
torno do ponto (extend windows) para um círculo de raio 20 metros (o que
corresponde uma área aproximadamente de 0.13 ha), como ocorre no caso
apresentado na Figura 4.1B, em que se tem uma mistura de duas classes: florestas
(C) e matos (D). Para estes casos, a variável OBS_RADIUS toma a categoria 2.
Figura 4.1A: Exemplo de uma superfície
homogénea Figura 4. 1B: Exemplo de uma superfície
heterogénea
(retirado a partir de Eurostat 2013b)
4.1.4.1. Distribuição dos pontos por tipo de raio observado (NUTS 2 e NUTS 3)
Pela análise do gráfico da Figura 4.2 relativos à distribuição em percentagem de
pontos de acordo com a categoria de raio observado (OBS_RADIUS), 1 ou 2, pode
concluir-se que para Portugal Continental existe uma grande diversidade paisagística,
com quase 80 % dos pontos (ao nível das NUTS 2) a estarem localizados em
superfícies heterogéneas.
Figura 4.2: Distribuição da variável OBS_RADIUS por NUTS 2 (em 2012)
1 2
Capítulo 4. Resultados obtidos
66
Para cada NUTS 3, observa-se igualmente que a maioria dos pontos localiza-se em
superfícies com solos heterogéneos. Realce-se que para Grande Porto (PT114) e
Grande Lisboa (PT171) há uma maior aproximação entre a percentagem de pontos
com a categoria 1 relativamente aos com a categoria 2 (Figura 4.3).
Figura 4 3: Distribuição da variável OBS_RADIUS por NUTS 3 (em 2012)
4.1.4.2. Distribuição dos pontos por tipo de raio (por classe de ocupação do solo ao nível 1)
Pela Figura 4.4, para as classes de ocupação do solo para o nível 1, observa-se que
os pontos pertencentes a terrenos artificiais (A), solos nus e líquenes (F) e corpos de
água (G), se localizam em superfícies homogéneas (com categoria OBS_RADIUS
igual a 1).
Pelo contrário, os pontos classificados como pertencendo a florestas (classe C),
matos (D) e prados (E), têm categoria para OBS_RADIUS igual a 2, o que significa
que pertencem a zonas com heterogeneidade do solo.
Relativamente aos pontos classificados como pertencendo a terrenos de cultivo (B),
ao nível 2 da nomenclatura definida no projeto LUCAS, observa-se uma distinção
clara entre as classes cereais (B10), culturas de raízes comestíveis (B20), culturas
temporárias industriais (B30), leguminosas secas, hortícolas e flores (B40) e culturas
forrageiras (B50), localizadas em regiões homogéneas e os pontos classificados como
sendo frutos secos, frutos de casca rija, frutos pequenos de baga, citrinos e frutos
sub- tropicais (B70) e vinha, olival, viveiros e culturas permanentes industriais (B80),
situados em regiões heterogéneas.
1 2
Estimação do uso e ocupação do solo ao nível das NUTS 2 e NUTS 3
67
Figura 4.4: Distribuição da variável OBS_RADIUS pelas classes de ocupação do solo (nível 2)
4.1.5. Variável AREA_SIZE (dimensão da área em torno do ponto)
A variável AREA_SIZE corresponde à estimativa que é atribuída pelo observador
relativamente à área que envolve o ponto. Neste processo de estimação é tido em
consideração que um círculo com 40 m de raio representa uma área de 0.5027 ha e
que um círculo com 56 m de raio equivale a 1 ha. Para mais informação, consultar
Eurostat (2013b). As categorias da variável AREA_SIZE são ordenadas de acordo
com a Tabela 4.15.
Tabela 4.15:Descrição das categorias da variável AREA_SIZE
Categoria AREA_SIZE Descrição
1 Menos do que 0.5 ha
2 Maior ou igual a 0.5 ha e menor do que 1 ha
3 Maior ou igual a 1 ha e menor do que 10 ha
4 Superior a 10 ha
4.1.5.1. Distribuição dos pontos por tipo de area size (ao nível das NUTS 2)
Pelos gráficos das Figuras 4.5 e 4.6, observa-se que é no centro de Portugal (PT16) e
Alentejo (PT18), que se observam pontos com dimensão de áreas superiores
(categorias 3 e 4).
A distribuição do número de pontos é semelhante para os dados LUCAS recolhidos
em 2009 e 2012 para o Norte (PT11) e Alentejo (PT18). Para Lisboa (PT17) e Algarve
(PT15), observa-se um decréscimo da dimensão da área em torno do ponto nas
categorias 1 e 2.
OBS_RADIUS
Capítulo 4. Resultados obtidos
68
Figura 4 5:Distribuição dos pontos por AREA_SIZE ao nível das NUTS 2 (em 2009)
Figura 4 6: Distribuição dos pontos por AREA_SIZE ao nível das NUTS 2 (em 2012)
4.1.5.2. Distribuição dos pontos por tipo dearea size (ao nível 1 das classes de ocupação)
Pelo gráfico da Figura 4.7, observa-se que para o nível 1 da nomenclatura de
classificação do LUCAS, as classes de ocupação do solo com maiores dimensões
de área em torno dos pontos são florestas (C), matos (D) e prados (E), corpos de
água (G) e Zonas húmidas (H).Os pontos pertencentes a territórios artificializados
(A), terrenos agrícolas (B) e solo nu e líquenes (F), são os que apresentam
dimensões de áreas com valores mais próximos.
Figura 4.7: Distribuição do número de pontos por AREA_SIZE e por classe de ocupação do solo para o nível 1 da nomenclatura de classificação LUCAS
Area size
Area size
Area size
Estimação do uso e ocupação do solo ao nível das NUTS 2 e NUTS 3
69
4.2. Estimativas para as classes de ocupação do solo
De seguida são apresentadas as estimativas obtidas para as áreas, em Km2, das
classes de ocupação do solo para os três níveis da nomenclatura do sistema de
classificação LUCAS.
Para a obtenção das estimativas das classes foram utilizados os estimadores para a
área e variância apresentados em 3.6 e 3.10 para cada NUTS 1, NUTS 2 ou NUTS 3,
a partir dos dados recolhidos nos inquéritos LUCAS em 2009 e 2012 para Portugal,
registados nas bases de dados LUCAS survey. Portanto, as estimativas para a NUTS
1 e NUTS 2 não foram obtidas por agregação de estimativas provenientes de níveis
inferiores.
Para além das estimativas produzidas é igualmente efetuada uma avaliação da
qualidade das mesmas pela análise dos coeficientes de variação (CV) obtidos tendo
em consideração os limites superiores para os errosestipulados pelo Eurostat (Anexo
5).
4.2.1. Avaliação das estimativas para a NUTS 1
4.2.1.1. Nível 1 (da nomenclatura de classificação LUCAS)
Na Tabela 4.16 são apresentados para Portugal continental (PT1) as estimativas das
áreas das classes de ocupação do solo e os coeficientes de variação utilizando os
estimadores apresentados em 3.6 e 3.10.
Pelos resultados obtidos, observa-se que, excetuando o caso de zonas húmidas (H),
todas as outras classes ao nível 1 da nomenclatura de classificação LUCAS,
apresentam valores de coeficientes de variação que estão de acordo com os limites
máximos de precisão apresentados no Anexo 5. Os CV superiores a a 20% para a
classe zonas húmida prendem-se, sobretudo, pela menor dimensão da amostra da
segunda fase que pertencem a esta classe.
Comparando os CV para os dados recolhidos no LUCAS de 2009 e 2012, observa-se
uma melhoria na precisão das estimativas, excetuando o caso da classe H.
Capítulo 4. Resultados obtidos
70
Tabela 4.16: Estimativas da área (km2) e respetivos CV, ao nível 1 das classes de ocupação do solo, para
os dados LUCAS recolhidos para Portugal continental (PT1)
Classes de ocupação do solo
2009 2012
(Nível 1) ESTIM_AREA CV ESTIM_AREA CV
A 4691 4,90 5545 4,03 B 16555,6 2,43 15714 2,23 C 40929,4 1,27 39317 1,16 D 9390,6 3,85 10363 3,12 E 12267 3,20 13465 2,61 F 3553 6,57 2999 6,18 G 1312,5 8,72 1514 7,32 H 389,9 20,70 173 27,26
Total 89089 89089
4.2.1.2. Nível 2 (da nomenclatura de classificação LUCAS)
Na Tabela 4.17 são apresentadas as estimativas das áreas,para o nível 2 das
classes de ocupação do solo (LC) e os respetivos CV para Portugal continental
(PT1). Assinalados a cinzento são indicados os CV cujo valor é superior ao valor
máximo aceitável para a precisão das estimativas (Anexo 5).
Para os dados recolhidos em 2009, excetuando as classes corpos de água costeiros
(G30), zunas húmidas interiores (H10) e zonas húmidas costeiras (H20) todas as
outras classes apresentam CV abaixo dos limites máximos referenciados no Anexo 5.
Para o caso das estimativas obtidas a partir dos dados de 2012, para além das
classes G30, H10 e H20 referidas anteriormente, também as classes culturas
temporárias industriais (B30) e areias (F20) e outras áreas de solo nu (F40)
apresentam CV acima dos limites máximos para essas classes. Tal facto, deve-se à
redução do número de pontos de 2009 para 2012 na classe B30 e também à
desagregação da classe F00 em F10, F20 e F40, o que origina uma diminuição do
número de pontos amostrados na classe F20.
4.2.1.3. Nível 3 (da nomenclatura de classificação LUCAS)
Para o nível 3 da nomenclatura do sistema de classificação LUCAS observa-se uma
desagregação da classe floresta (C10) em floresta de folhosas caducifólias (C11),
floresta de coníferas (C12) e floresta mista (C13), mantendo-se as restantes classes
com a mesma designação. Portanto, as conclusões retiradas relativamente à
precisão das estimativas apresentadas na Tabela 4.17 são as mesmas.
Estimação do uso e ocupação do solo ao nível das NUTS 2 e NUTS 3
71
Tabela 4.17: Estimativas da área (km2) e respetivos CV, ao nível 2 das classes de ocupação do solo, para
os dados LUCAS recolhidos para Portugal Continental (PT1)
NUTS 1 Classes de
ocupação do
solo(Nível 2)
2009 Classes LC (Nível 2)
2012
ESTIM_AREA CV ESTIM_AREA CV
PT1 A10 1534 9,62 A10 2123 6,95 PT1 A20 3157 6,48 A20 3422 5,56 PT1 B10 4964 5,25 B10 4450 4,84 PT1 B20 361 21,11 B20 398 17,24 PT1 B30 276 23,95 B30 111 32,45 PT1 B40 703 15,06 B40 594 14,07 PT1 B50 1240 11,19 B50 1154 10,00 PT1 B70 1596 9,74 B70 2025 7,37 PT1 B80 7416 3,83 B80 6982 3,57 PT1 C10 31617 1,62 C10 30474 1,47 PT1 C20 7635 4,36 C20 5663 4,4 PT1 C30 1677 9,71 C30 3180 5,94 PT1 D10 2582 7,75 D10 2923 6,24 PT1 D20 6809 4,61 D20 7440 3,77 PT1 E10 593 16,46 E10 1523 8,77 PT1 E20 3174 6,81 E20 9306 3,27 PT1 E30 8500 4,05 E30 2636 6,55 PT1
F00 3553 6,57 F10 968 11,07
PT1 F20 62 44,55 PT1 F40 1968 7,69 PT1 G10 717 13,81 G10 824 11,35 PT1 G20 429 19,11 G20 536 14,65 PT1 G30 167 32,20 G30 155 29,10 PT1 H10 52 57,70 H10 23 74,26 PT1 H20 338 22,34 H20 151 29,31
Pela análise da tabela 4.18, observa-se que as estimativas das áreas das classes
C11, C12 e C13 apresentam CV abaixo dos limites máximos de referência. Para as
classes C11 e C12 observa-se uma ligeira melhoria na qualidade da precisão das
estimativas.
Na Tabela 4.18 são apresentados para o nível 3 do sistema de classificação LUCAS
as estimativas das áreas e os coeficientes de variação obtidos para as classes de
ocupação do solo.
Tabela 4.18: Estimativas da área (km
2) e respetivos CV, ao nível 3 das classes de ocupação do solo, para
os dados LUCAS recolhidos para Portugal continental (PT1)
NUTS 1 Classes de
ocupação do
solo(Nível 3)
2009 Classes LC (Nível 3)
2012
ESTIM_AREA CV ESTIM_AREA CV
PT1 C11 20889.7 2,29 C11 21684.1 1,93 PT1 C12 7138.6 4,47 C12 7452.1 3,74 PT1 C13 3588.9 6,46 C13 1337.9 9,26
Capítulo 4. Resultados obtidos
72
4.2.2. Avaliação das estimativas para a NUTS 2
4.2.2.1. Nível 1 (da nomenclatura de classificação LUCAS)
Na Tabela 4.19 são apresentadas as estimativas das áreas, ao nível 1 das classes de
ocupação do solo, e os respetivos CV para NUTS 2. Pelos valores dos coeficientes
de variação obtidos, pode concluir-se que para a maioria das classes houve uma
melhoria da precisão das estimativas do ano de 2009 para 2012. Observam-se, no
entanto, algumas exceções, como acontece no caso de matos (D), para o Algarve
(PT15), solo nu e líquenes (F), para a região Norte (PT11) e Lisboa (PT17) e zonas
húmidas (H), para as cinco NUTS 2, devido a decréscimo do número de pontos
observados na amostra da segunda fase do esquema de amostragem.
Tabela 4.19:Estimativas da área (km2) e respetivos CV, ao nível 1 das classes de ocupação do solo
(NUTS 2)
NUTS 2 Classes de ocupação do solo 2009 2012
(Nível 1) ESTIM_AREA CV ESTIM_AREA CV
PT11
A 1449 8,82 1869 7,22
B 4447 4,46 3976 4,39
C 8135 3,14 7264 3,05
D 3301 6,29 4035 4,79
E 2541 7,35 3083 5,59
F 1200 11,24 852 11,57
G 200 17,36 207 17,93
H 14 100,79 __ __
PT15
A 296 20,59 343 14,65
B 867 10,56 1088 8,26
C 1280 9,40 1605 6,68
D 1610 7,81 920 10,01
E 507 16,59 778 11,07
F 213 26,56 125 30,53
G 80 43,23 65 42,09
H 144 29,04 73 36,51
PT16
A 1685 8,50 1960 6,75
B 4504 4,80 4346 4,29
C 14715 1,94 13389 1,92
D 2935 6,94 3844 5,08
E 2869 6,77 3105 5,60
F 1124 11,73 1175 9,82
G 268 17,23 329 14,53
H 99 40,53 51 48,26
PT17
A 471 11,78 539 9,31
B 643 12,49 485 13,36
C 715 10,81 649 11,17
D 215 25,30 380 16,11
E 461 16,94 742 10,09
F 253 22,97 17 89,43
G 141 33,48 136 31,16
H 103 48,92 54 64,63
PT18
A 808 11,73 842 10,39
B 6063 3,98 5823 3,64
C 16076 1,87 16452 1,58
D 1357 10,60 1140 9,96
E 5886 4,39 5739 3,85
F 767 14,09 832 11,73
G 616 13,74 771 10,34
H 33 70,17 6 142,59
Estimação do uso e ocupação do solo ao nível das NUTS 2 e NUTS 3
73
Pela análise das medidas de localização asssociadas aos CV das estimativas das
áreas das classes de ocupação do solo da Tabela 4.20, confirma-se a melhoria da
precisão das estimativas proveniente dos dados recolhidos em 2012 relativamente
aos de 2009.
Tabela 4.20: Comparação das medidas de localização para os valores CV ao nível 1 das classes de ocupação do solo, por NUTS 2, para os dados recolhidos nos LUCAS de 2009 e 2012
LUCAS Min. Q1 Mediana Média Q3 Máx.
2009 1,9 7,0 11,7 18,4 22,4 100,8 2012 1,6 5,6 10,1 19,2 16,1 142,6
4.2.2.2. Nível 2 e 3 (da nomenclatura de classificação LUCAS)
Nos Anexos 6 e 7 são apresentadas, para o nível 2 e 3 do sistema de classificação
LUCAS, as estimativas das áreas das classes de ocupação do solo.
Os CV cujos valores estão acima dos limites máximos estipulados pelo Eurostat
(Anexo 5) são indicados na tabela a cinzento.
Analisando as estimativas obtidas provenientes dos dados de 2009, observa-se que
floresta (C10) e vinha, olival, viveiros e culturas permanentes industriais (B80) são as
únicas cujos CV não estão acima dos limites de referência para a precisão das
estimativas das áreas (Anexo 5).
Para o caso das estimativas obtidas a partir dos dados recolhidos em 2012, as
classes floresta de folhosas caducifólias (C11) e prados sem árvores (E20),
apresentam estimativas com precisão abaixo dos limites para todas as NUTS 2.
Observa-se, para ambos os anos, um número elevado de estimativas com baixa
precisão, o que, considerando a que amostra escolhida na segunda fase do esquema
de amostragem é representativa ao nível das NUTS 2, seria de esperar uma maior
precisão das estimativas produzidas.
Capítulo 4. Resultados obtidos
74
4.2.3. Avaliação das estimativas para a NUTS 3
4.2.3.1. Nível 1 (da nomenclatura de classificação LUCAS)
Tendo em consideração que a amostra da segunda fase do esquema de amostragem
do projeto LUCAS foi recolhida para a obtenção de estimativas das áreas das classes
de ocupação do solo ao nível das NUTS 2, confirma-se, pelas medidas de localização
dos CV das estimativas para as NUTS 3 (Tabela 4.21) uma diminuição da precisão
das estimativas comparando com os valores obidos para NUTS 2 (Tabela 4.20).
Ainda pela Tabela 4.23, oberva-se que as estimativas obtidas com base nos dados
recolhidos em 2012 apresentam uma melhor precisão relativamenente às
provenientes dos dados de 2009.
Tabela 4.21:Comparação das medidas de localização para os valores CV ao nível 1 das classes de ocupação do solo, por NUTS 3, para os dados recolhidos nos LUCAS de 2009 e 2012
LUCAS Min. Q1 Mediana Média Q3 Máx.
2009 3,6 14,3 24,5 29,6 36,0 104,3 2012 3,0 12,5 20,1 27,1 32,3 173,7
Nos Anexos 8 e 9 são apresentadas as estimativas para o nível 1 da nomenclatura de
classificação LUCAS, para os anos 2009 e 2012, por NUTS 3. Observa-se que
nenhuma das estimativas obtidas para corpos de água (G) e zonas húmidas (H),
apresenta precisões para 2009 e 2012 abaixo dos limites máximos de referência
(Anexo 5).
Para ambos os anos, como seria de esperar pela dimensão do número de pontos das
classes, terrenos agrícolas (B) e florestas (C), são as classes de ocupação que
apresentam melhores precisões para as estimativas das áreas.
4.2.3.2. Para o nível 2 e 3 (da nomenclatura de classificação LUCAS)
À medida que se procede a uma análise mais desagregada dos níveis da
nomenclatura LUCAS, o número de pontos observados na segunda fase do esquema
de amostragem é menor e, consequentemente, a precisão das estimativas das áreas
obtidas diminui. Nas Tabela 4.22 e 4.23 são apresentadas as NUTS 3 para as quais
as estimativas das áreas das classes de ocupação do solo, ao nível 2 e 3 do sistema
de classificação LUCAS apresentam CV dentro dos limites máximos de erro definidos
pelo Eurostat para o estudo piloto (Anexo 5).
Estimação do uso e ocupação do solo ao nível das NUTS 2 e NUTS 3
75
Tabela 4.22:Estimativas da área (km2) e respetivos CV, para os níveis2 e 3 das classes de ocupação do
solo, por NUTS 3, cujos CV estão dentro dos limites máximos de precisão (em 2009)
Classes LC NUTS3 AREA_ESTIM CV
Classes LC NUTS3 AREA_ESTIM CV
Classes LC NUTS3 AREA_ESTIM CV
(Nível 2 e 3) (Nível 2 e 3) (Nível 2 e 3)
B10 PT184 953 12,07 C10 PT171 83 42 C11 PT183 2945 4,81
B70 PT117 286 23,06 C10 PT172 411 13,09 C11 PT184 2184 7,08
B70 PT118 329 21,18 C10 PT181 2640 4,54 C11 PT185 1435 7,69
B70 PT150 463 15,86 C10 PT182 2860 4,59 C12 PT117 434 17,12
C10 PT111 648 12,45 C10 PT183 3218 4,25 C12 PT118 623 15,52
C10 PT112 359 16,65 C10 PT184 2649 6,12 C12 PT150 262 24,15
C10 PT113 439 12,64 C10 PT185 1959 5,07 C12 PT162 359 18,92
C10 PT114 200 18,33 C11 PT113 300 18,12 C12 PT163 550 12,46
C10 PT115 942 9,53 C11 PT115 488 15,69 C12 PT164 501 15,85
C10 PT116 386 14,49 C11 PT117 317 19,95 C12 PT165 489 16,85
C10 PT117 823 11,2 C11 PT118 1104 11,12 C12 PT166 478 16,26
C10 PT118 1934 7,66 C11 PT150 476 17,4 C12 PT169 354 19,77
C10 PT150 754 13,31 C11 PT161 599 11,55 C12 PT181 576 15,75
C10 PT161 923 6,44 C11 PT162 407 16,55 C20 PT117 378 19,14
C10 PT162 990 6,99 C11 PT164 679 11,82 C20 PT118 1132 11,05
C10 PT163 794 8,67 C11 PT165 603 15,02 C20 PT150 395 19,01
C10 PT164 1437 6,07 C11 PT166 387 17,42 C20 PT168 694 13,76
C10 PT165 1429 7,47 C11 PT168 408 18,92 C20 PT181 499 17,2
C10 PT166 980 8,79 C11 PT169 1332 8,64 C20 PT182 638 14,96
C10 PT168 691 13,6 C11 PT16B 383 14,96 C20 PT183 554 16,18
C10 PT169 1755 6,19 C11 PT16C 778 10,82 C20 PT184 716 14,15
C10 PT16A 509 12,04 C11 PT172 175 26,06 F00 PT118 443 19,89
C10 PT16B 518 12,44 C11 PT181 1872 6,56
C10 PT16C 1013 8,27 C11 PT182 2534 5,39
Tabela 4.23: Estimativas da área (km
2) e respetivos CV, para os níveis 2 e 3 das classes de ocupação do
solo, por NUTS 3, cujos CV estão dentro dos limites máximos de precisão (em 2012)
Classes LC
NUTS3 AREA_ESTIM CV Classes LC
NUTS3 AREA_ESTIM CV Classes LC
NUTS3 AREA_ESTIM CV (Nível 2 e 3) (Nível 2 e 3) (Nível 2 e 3)
A10 PT163 56 7,52 C10 PT169 1681 8,57 C12 PT166 642 10,89 A10 PT164 50 3,4 C10 PT16C 1083 8,83 C12 PT169 498 16,31 A20 PT162 198 11,63 C10 PT171 131 7,42 C12 PT181 481 14,25 A20 PT163 142 10,22 C11 PT111 286 19,53 C20 PT115 69 11,11 A20 PT164 26 3,37 C11 PT115 280 19,32 C20 PT162 132 11,66 B10 PT163 80 6,01 C11 PT116 290 14,35 C20 PT164 244 15,72 B10 PT164 101 4,89 C11 PT118 891 10,61 C20 PT169 406 13,19 B20 PT111 5 21,03 C11 PT150 468 14,99 C20 PT16C 89 18,02 B20 PT162 4 21,63 C11 PT161 612 9,25 C20 PT171 36 19,68 B20 PT163 19 6,61 C11 PT162 459 11,71 C30 PT115 457 16,73 B20 PT165 46 21,86 C11 PT164 671 11,38 C30 PT162 5 13,21 B20 PT166 6 26,8 C11 PT165 579 12,67 C30 PT163 24 14,83 B20 PT171 25 16,34 C11 PT166 398 15,25 C30 PT164 169 8,07 B40 PT113 21 25 C11 PT169 1183 8,73 C30 PT165 76 16,17 B40 PT163 11 8,09 C11 PT16B 317 15,12 E30 PT163 57 6,45 B40 PT167 8 24,09 C11 PT16C 815 8,6 F10 PT165 140 19,27 B50 PT150 35 21,31 C11 PT172 229 19,5 F10 PT167 27 17,94 B50 PT162 61 15,07 C11 PT181 2351 4,51 F40 PT163 44 12,75 B50 PT164 27 4,6 C11 PT182 3053 3,8 F40 PT165 141 14,86 B50 PT169 41 15,01 C11 PT183 3539 3,7 F40 PT168 70 12,81 B50 PT171 6 12,05 C11 PT184 2470 5,37 F40 PT16C 61 12,55 B50 PT184 197 21,35 C11 PT185 1742 5,82 G10 PT150 21 19,89 B70 PT115 57 18,18 C12 PT117 411 15,61 G10 PT162 6 14,98 B70 PT150 492 14,88 C12 PT118 631 13 G10 PT163 4 3,42 B70 PT163 36 7,3 C12 PT150 387 16,63 G10 PT169 39 12,16 B70 PT168 60 12,65 C12 PT161 226 18,8 G10 PT16C 20 15,92 B70 PT171 39 10,66 C12 PT162 421 13,1 G20 PT162 21 12,12 B70 PT172 45 28,8 C12 PT163 449 12,03 G30 PT162 39 11,8 C10 PT115 428 14,91 C12 PT164 408 15,85 C10 PT163 730 6,46 C12 PT165 595 12,53
Capítulo 4. Resultados obtidos
76
4.3. Comparação de estimativas para as classes de ocupação do solo (Entre o projeto LUCAS e outros sistemas de classificação nacionais)
De seguida são comparadas as estimativas das áreas das classes de ocupação do
solo, em Km2, obtidas a partir dos dados recohidos nos inquéritos LUCAS realizados
em 2009 e 2012 (registados nas bases de dados LUCAS survey) e as áreas obtidas
a partir de vários sistemas de classificação nacionais (NDS). A finalidade deste
processo de comparação de estimativas prende-se com os objetivos propostos para
o estudo piloto desenvolvido pelo INE apresentados na introdução deste trabalho de
investigação.
As principais fontes de dados nacionais a partir do qual se obtiveram as estimativas
das áreas foram a COS 2007, recenseamento agrícola (RA), inventário de florestas
nacionais (IFN), Parcelário agrícola, Informação de fontes hídricas do sistema
nacional e resultados obtidos através de deteção remota (a partir da classificação
automática de imagens (OBIA-Object based image analysis).
A comparação dos resultados nesta secção é realizada para os três níveis da
nomenclatura LUCAS para as NUTS 1, NUTS 2 e NUTS 3.
4.3.1. Nível 1 da nomenclatura de classificação LUCAS
4.3.1.1. Comparação de resultados por NUTS 1 (Portugal Continental)
As diferenças entre as estimativas obtidasa partir dos dados recolhidos nos inquéritos
do projeto LUCAS em 2009 e 2012 para Portugal continental (PT1) relativamente aos
resultados provenientes da COS 2007 e de outros sistemas de classificação nacionais
(NDS) são apresentadas na Tabela 4.24.
Tabela 4.24: Diferenças entre os resultados estimados com base nos dados LUCAS de 2009 e 2012 com os resultados obtidos de outras fontes de classificação (NDS) e resultados exclusivos da COS 2007 (por NUTS 1 ao nível 1 da nomenclatura de classificação LUCAS)
ESTIM_AREAS
Diferenças (%) Diferenças (%)
LUCAS 2009 LUCAS 2012 LUCAS 2009 LUCAS 2012
NUTS 1 LC_L1 LUCAS 2009
LUCAS 2012
NDS COS 2007
NDS COS2007 NDS cos 2007 NDS COS2007 NDS COS 2007
PT1 A 4691 5545 4266 4266 425 425 1278 1278 10,0% 10,0% 30,0% 30,0%
PT1 B 16556 15714 15553 30493 1002 -13938 160 -14779 6,4% -45,7% 1,0% -48,5%
PT1 C 40929 39317 28718 21214 12211 19715 10599 18103 42,5% 92,9% 36,9% 85,3%
PT1 D 9391 10363 26934 25591 -17544 -16201 -16572 -15229 -65,1% -63,3% -61,5% -59,5%
PT1 E 12267 13465 10579 4414 1688 7853 2886 9050 16,0% 177,9% 27,3% 205,0%
PT1 F 3553 2999 1405 1431 2148 2122 1593 1567 152,8% 148,2% 113,4% 109,5%
PT1 G 1313 1514 1388 1388 -76 -76 126 126 -5,4% -5,4% 9,1% 9,1%
PT1 H 390 173 244 290 146 100 -71 -116 59,8% 34,6% -29,0% -40,2%
Estimação do uso e ocupação do solo ao nível das NUTS 2 e NUTS 3
77
Pela análise dos resultados, para a maior parte das classes de ocupação do solo, ao
nível 1, observam-se diferenças acentuadas entre as estimativas obtidas pelos dados
do LUCAS e os obtidos a partir da COS 2007 e NDS.
Para o caso dos resultados provenientes da COS 2007, apesar da distância temporal
relativamente aos dados recolhidos no inquérito LUCAS de 2012, para Portugal
continental (PT1) não se pode considerar que existe uma tendência de aumento dos
desvios em relação às estimativas obtidas com base nos dados do LUCAS recolhidos
em 2009.
Para os caso dos resultados provenientes de outras fontes de classificação, na
Tabela 4.24 com designação NDS, exetuando para terrenos artificializados (A),
prados (E) e corpos de água (G), observa-se uma diminuição das diferenças
relativamente às estimativas obtidas no projeto LUCAS de 2009 para 2012.
Comparando com as estimativas obtidas a partir dos dados LUCAS, observa-se para
as restantes classes, que os resultados dados por NDS são ligeiramente mais
próximos, para a maior parte dos casos, dos obtidos através dos dados do LUCAS.
4.3.1.2. Comparação de resultados por NUTS 2
No Anexo 10 são apresentadas para as NUTS 2 as estimativas das áreas das classes
de ocupação do solo usando a metodologia de estimação descrita no subcapítulo 3.4,
assim como os resultados das áreas provenientes de outras fontes de classificação
nacionais.
Analisando as diferenças das estimativas apresentadas no Anexo 11, pode concluir-
se que ao nível 1 do sistema de classificação LUCAS, praticamente para todas as
classes de ocupação do solo, as estimativas entre os diferentes sistemas de
classificação são muito diferentes. Efetivamente, excetuando os casos de territórios
artificializados (A), terrenos agrícolas (B), prados (classe E) e zonas húmidas (classe
H), para as NUTS 2 assinaladas a cinzento na Tabela 4.30, todas as outras diferenças
apresentam valores superiores a 10%.
4.3.1.3. Comparação de resultados por NUTS 3
As diferenças para as NUTS 3 entre as estimativas das áreas obtidas a partir dos
dados recolhidos nos inquéritos de 2009 e 2012 do projeto LUCAS e as áreas
Capítulo 4. Resultados obtidos
78
provenientes da COS 2007 e outras fontes de classificação nacionais são
apresentadas nos Anexos 12 e 13. Pelos resultados obtidos, observa-se que para a
maioria das classes de ocupação do solo, ao nível da nomenclatura de classificação
LUCAS, as áreas obtidas são bastante diferentes.
Nas Tabela 4.25 e 4.26 são apresentadas as classes de ocupação do solo cujas
estimativas das áreas usando a metodologia de estimação apresentada em 3.6 e 3.10
do projeto LUCAS relativamente às áreas de outras fontes de classificação NDS
apresentam diferenças inferiores a 10% e que têm limites de precisão abaixo dos
limites máximos estabelecidos pelo Eurostat (Anexo 5).
Tabela 4.25: Diferenças entre os resultados estimados com base nos dados LUCAS de 2009 com os resultados obtidos de outras fontes de classificação (NDS), por NUTS 3 ao nível 1 da nomenclatura de classificação LUCAS (com diferenças inferiores a 10 % e dentro do limites de qualidade de precisão)
NUTS3 Classes de
ocupação do solo LUCAS/Est_Area
(2009) Área/COS2007 Dif.(%) Área/NDS Dif.(%)
PT16B B 546 541 1,0 PT184 B 2268 2513 -9,7 PT112 C 426 424 0,5 PT114 C 200 220 -9,3 210 0,0 PT116 C 444 414 7,2 PT168 C 1551 1434 8,2 PT16B C 625 571 9,5 PT118 E 1226 1223 0,2 PT150 E 507 496 2,1 PT181 E 913 1003 -9,0 PT182 E 1193 1317 -9,5 PT184 E 1826 1691 8,0
Tabela 4.26: Diferenças entre os resultados estimados com base nos dados LUCAS de 2012 com os resultados obtidos de outras fontes de classificação (NDS), por NUTS 3 ao nível 1 da nomenclatura de classificação LUCAS (com diferenças inferiores a 10 % e dentro do limites de qualidade de precisão)
NUTS3 Classes de
ocupação do solo LUCAS/Est_Area
(2012) Area/COS2007 Dif.(%) Area/NDS Dif.(%)
PT117 B 982 1025 -4,2 PT118 B 1448 1558 -7,0 PT150 B 1088 1037 4,8 PT162 B 359 343 4,7 PT166 B 187 189 -1,0 PT169 B 611 583 4,8 PT16A B 335 308 8,6 PT182 B 1121 1106 1,4 PT184 B 2296 2513 -8,6 PT185 B 827 906 -8,7 PT112 C 415 424 -2,2 PT115 C 954 884 7,9 973 -2,0 PT116 C 404 414 -2,5 376 7,4 PT150 C 1605 1755 -8,5 PT165 C 1486 1503 -1 1506 -1,3 PT184 C 3263 3013 8,3 PT181 G 150 153 -2 153 -1,8
Estimação do uso e ocupação do solo ao nível das NUTS 2 e NUTS 3
79
4.3.2. Nível 2 e 3 da nomenclatura de classificação LUCAS
4.3.2.1. Comparação de resultados por NUTS 1 (Portugal Continental)
Na Tabela 4.27 são apresentadas as estimativas das áreas para as clases de
ocupação do solo, para os níveis 2 e 3 da nomenclatura de classificação LUCAS,
obtidas através dos dados recolhidos no LUCAS em 2009 e 2012 e as áreas
provenientes de outras fontes de classificação.
Na Tabela 4.27 são, igualmente, assinaladas a cinzento as classes para as quais os
resultados das áreas são mais próximos (com diferenças inferiores a 20%). Para
todos estas classes os CV associados às estimativas das áreas baseadas nos dados
LUCAS não excedem os limites máximos apresentados no Anexo 5.
Pelo valores das medidas de localização apresentados na Tabela 4.28, confirma-se,
mesmo para Portugal Continental, que as áreas obtidas a partir dos dados LUCAS e
as provenientes de NDS diferem acentuadamente para as classes de ocupação do
solo para os níveis 2 e 3.
Tabela 4.27:Diferenças entre os resultados estimados com base nos dados LUCAS de 2012 com os resultados obtidos de outras fontes de classificação (NDS), por NUTS 3 ao nível 1 da nomenclatura de classificação LUCAS
NUTS 1 Classes de
ocupação do solo Area / NDS
LUCAS 2009 LUCAS 2012
ESTIM_AREA Diferença
ESTIM_AREA Diferença
LUCAS / NDS LUCAS / NDS PT1 A10 2918,2 1534,2 -47,4% 2123 -27,3% PT1 A20 1348,2 3156,8 134,2% 3422 153,8% PT1 B10 3455,6 4963,6 43,6% 4450 28,8% PT1 B20 173,3 361,2 108,4% 398 129,4% PT1 B30 247,6 276,2 11,5% 111 -55,0% PT1 B40 610,5 703,0 15,2% 594 -2,7% PT1 B50 4739,8 1240,0 -73,8% 1154 -75,7% PT1 B70 1193,4 1595,8 33,7% 2025 69,7% PT1 B80 5133,4 7415,7 44,5% 6982 36,0% PT1 C10 26273,3 31617,2 20,3% 30474 16,0% PT1 C11 18197,7 20889,7 14,8% 21684 19,2% PT1 C12 8068,2 7138,6 -11,5% 7452 -7,6% PT1 C13 7,4 3588,9 48669,3% 1338 18080,6% PT1 C20 2178 7635,4 250,6% 5663 160,0% PT1 C30 267 1676,7 527,8% 3180 1090,7% PT1 D10 7475 2582,0 -65,5% 2923 -60,9% PT1 D20 19459 6808,7 -65,0% 7440 -61,8% PT1 E10 2341 593,3 -74,7% 1523 -35,0% PT1 E20 3571 3173,8 -11,1% 9306 160,6% PT1 E30 4667 8499,9 82,1% 2636 -43,5% PT1 F00 1405,2 3553,0 152,8% __ __ PT1 F10 495 __ __ 968 95,5% PT1 F20 84 __ __ 62 -25,5% PT1 F30 826 __ __ 1968 138,2% PT1 G10 772 716,8 -7,2% 824 6,7% PT1 G20 305 428,6 40,6% 536 75,7% PT1 G30 311 167,1 -46,3% 155 -50,3% PT1 H10 41 52,1 27,2% 23 -45,1% PT1 H20 203 337,9 66,4% 151 -25,8%
Capítulo 4. Resultados obtidos
80
Tabela 4.28: Medidas de localização das diferenças (em %) entre dados LUCAS, por nível 2 e 3 da nomenclatura do projeto LUCAS, com os resultados obtidos através de outras fontes de classificação nacionais para Portugal Continental (PT1)
LUCAS Min. Q1 Mediana Média Q3 Máx.
2009 7,2% 19,0% 46,9% 1947,9% 88,7% 48669,3%
2012 2,7% 28,4% 58,0% 797,5% 131,6% 18080,6%
4.3.2.2. Comparação de resultados por NUTS 2
Na Tabela 4.29 são apresentadas as estimativas das áreas para as classes de
ocupação do solo ao nível 2 e 3, para as quais as diferenças entre as estimativas do
LUCAS e as áreas dadas por NDS são mais próximas (valores inferiores a 20%) e
cujos CV estão dentro dos limites de erro de precisão para as estimativas usando a
metodologia de estimação do LUCAS (Anexo 5).
Tabela 4.29: Diferenças entre os resultados estimados com base nos dados LUCAS de 2012 com os resultados obtidos de outras fontes de classificação (NDS), por NUTS 2 para os níveis 2 e 3 da nomenclatura de classificação LUCAS (com diferenças inferiores a 20 % e dentro do limites de qualidade de precisão)
NUTS2 Classes de
ocupação do solo
LUCAS 2009 Area/NDS Dif.(%)
NUTS2
Classes de
ocupação do solo
LUCAS 2012 Area/NDS Dif.(%)
ESTIM_AREA ESTIM_AREA
PT11 B70 686 592 16,0 PT11 B80 1742 1591 9,5
PT11 C10 5739 5504 4,3 PT11 F40 529 444 19,1
PT11 C11 3101 3750 -17,3 PT15 D10 343 360 -4,8
PT11 C12 1607 1752 -8,3 PT16 C11 5723 6075 -5,8
PT16 B70 327 289 13,0 PT16 E10 356 322 10,4
PT16 C11 6125 6075 0,8 PT18 B10 2389 2114 13,0
PT18 B10 2393 2114 13,2 PT18 B80 2420 2064 17,2
PT18 B30 262 239 9,8 PT18 G10 504 503 0,2
PT18 E20 2576 2799 -8,0
PT18 E30 3048 2575 18,4
Como se observa pelos valores das medidas de localização da Tabela 4.30, para as
NUTS 2, as diferenças em percentagem entre as estimativas com base nos dados
LUCAS para 2009 e 2012 e as provenientes de outras fontes de classificação
nacionais (NDS) são acentuadas. Pode concluir-se que no ano 2012 as estimativas
com base nos dados LUCAS se aproximam um pouco mais dos resultados de NDS.
Os valores elevados em termos médios e máximos devem-se à existência de classes
com um número bastante reduzido de pontos para as NUTS 2.
Estimação do uso e ocupação do solo ao nível das NUTS 2 e NUTS 3
81
Tabela 4.30:Medidas de localização das diferenças (em %) entre dados LUCAS, por nível 2 e 3 das classes de ocupação do solo, para NUTS 2, com os resultados obtidos de outras fontes de classificação nacionais
LUCAS Min. Q1 Mediana Média Q3 Máx.
2009 0,8% 43,1% 72,7% 3676,1% 133,5% 274109,3% 2012 0,2% 40,5% 66,3% 1716,2% 188,7% 117301,3%
4.3.2.3. Comparação de resultados por NUTS 3
Na Tabela 4.31 são apresentadas as estimativas das áreas para as classes de
ocupação do solo ao nível 2 e 3, para as quais as diferenças entre as estimativas do
LUCAS e as áreas dadas por NDS são inferiores a 20%.
Uma vez que todas as estimativas dadas pela metodologia LUCAS, para estas
classes, apresentam CV abaixo dos limites máximos especificados pelo Eurostat
(Anexo 5), pode assumir-se para estes casos, que as aproximações dos resultados
entre os sistemas de classificação são aceitáveis.
Tabela 4.31: Diferenças entre os resultados estimados com base nos dados LUCAS de 2012 com os resultados obtidos de outras fontes de classificação (NDS), por NUTS 3 para os níveis 2 e 3 da nomenclatura de classificação LUCAS (com diferenças inferiores a 20 % e dentro do limites de qualidade de precisão)
NUTS3 Classes de
ocupação do solo LUCAS 2009
Area/NDS Dif.(%)
NUTS2 Classes de
ocupação do solo LUCAS 2012
Area/NDS Dif.(%) ESTIM_AREA ESTIM_AREA
PT184 B10 953 940 1,4 PT111 B2 5 5 -12,3 PT118 B70 329 357 -7,8 PT164 C11 671 778 -13,8 PT112 C10 359 340 5,6 PT184 C11 2470 2250 9,8 PT114 C10 200 206 -3,1 PT164 C12 408 343 19,0 PT115 C10 942 893 5,5 PT181 C12 481 411 16,9 PT116 C10 386 367 5,2 PT115 C20 69 75 -9,0 PT165 C10 1429 1490 -4,1 PT162 G1 6 7 -14,9 PT182 C10 2860 2424 18,0 PT169 G1 39 32 19,7 PT184 C10 2649 2991 -11,4 PT164 C11 679 778 -12,7 PT184 C11 2184 2250 -2,9 PT165 C12 488 433 12,7
Como se observa pelos valores das medidas de localização da Tabela 4.32, as
diferenças em percentagem entre as estimativas com base nos dados LUCAS, para
2009 e 2012, e as provenientes de outras fontes de classificação nacionais (NDS)
para as NUTS 3 são ainda mais acentuadas do que as obtidas para NUTS 2 (Tabela
4.30).
Capítulo 4. Resultados obtidos
82
Tabela 4.32: Medidas de Localização das diferenças (em %) entre dados LUCAS, por nível 2 e 3 das classes de ocupação do solo, para NUTS 3, com os resultados obtidos de outras fontes de classificação nacionais
LUCAS Min. Q1 Mediana Média Q3 Máx.
2009 0,8% 45,0% 86,0% 9994,8% 339,5% 1563096,3% 2012 0,4% 43,0% 83,3% 4943,1% 426,2% 730340,2%
4.4. Estimativas para as classes de uso do solo
De seguida são apresentadas as estimativas obtidas para as áreas, em Km2, das
classes de uso do solo, ao nível 2 da nomenclatura do sistema de classificação
LUCAS, agricultura (U110), floresta (U120), indústrias extrativas (U130), serviços
culturais, entretimento e recreativos (U340) e áreas naturais ou com outros usos
socioeconómicos (U612), utilizadas no âmbito do estudo piloto “sinergias entre o
projeto LUCAS e sistemas de classificação nacionais” desenvolvido pelo INE.
Para a obtenção das estimativas das classes foram utilizados os estimadores para a
área e variância descritos em 3.6 e 3.10 a partir de cada NUTS 1, NUTS 2 e NUTS 3
e não através de um processo de agregação de NUTS de níveis inferiores para
níveis superiores.
Para além das estimativas das áreas obtidas a partir dados de 2009 e 2012
registados nas bases de dados LUCAS survey para Portugal, é igualmente efetuada
uma avaliação da qualidade das mesmas pela análise dos coeficientes de variação
(CV) obtidos tendo em consideração os limites superiores para os erros estipulados
pelo Eurostat (Anexo 5).
4.4.1. Avaliação das estimativas para a NUTS 1
Na Tabela 4.33 são apresentados para Portugal continental (PT1) as estimativas das
áreas e os coeficientes de variação obtidos para as cinco classes de uso do solo
referidas anteriormente.
Pelos resultados obtidos, observa-se que apenas as estimativas para as áreas das
classes agricultura (U110), floresta (U120) e áreas naturais ou com outros usos
socioeconómicos (U612) apresentam coeficientes de variação baixos para as
estimativas das áreas.
Estimação do uso e ocupação do solo ao nível das NUTS 2 e NUTS 3
83
Comparando as estimativas obtidas para os dados recolhidos em 2009 e 2012 nos
inquéritos LUCAS, pode concluir-se que o aumento do número de pontos da amostra
LUCAS 2012 não teve implicações para uma melhoria da precisão das estimativas
das cinco classes de uso do solo em estudo.
Tabela 4.33: Estimativas da área (km2) e respetivos CV, para as classes de uso do solo para os dados
LUCAS recolhidos em 2009 e 2012 para Portugal continental (PT1)
Classes de uso do solo
2009 2012
ESTIM_AREA CV ESTIM_AREA CV
U110 32875,9 1,46 38657 1,18 U120 33389,9 1,55 29401 1,53 U130 254,2 25,63 204 24,79 U340 362,5 21,13 246 22,16 U612 -- -- 6417 4,08
4.4.2. Avaliação das Estimativas ao nível da NUTS 2
Na Tabela 4.34 são apresentados para as NUTS 2 as estimativas das áreas e os
coeficientes de variação obtidos para as cinco classes de uso do solo referidas
anteriormente utilizando os estimadores apresentados em 3.6. e 3.10.
Tabela 4.34:Estimativas da área (km2) e respetivos CV, para as classes de uso do solo para os dados
LUCAS recolhidos ao nível das NUTS 2 em 2009 e2012
Classes de uso do solo
NUTS 2 2009 2012
ESTIM_AREA CV ESTIM_AREA CV U110 PT11 7683 3,15 7597 2,81 U110 PT15 1425 8,13 1994 5,46 U110 PT16 8371 3,07 8382 2,70 U110 PT17 979 8,68 1221 6,90 U110 PT18 14392 1,99 19043 1,48 U120 PT11 5855 4,14 5906 3,55 U120 PT15 886 12,1 1406 7,41 U120 PT16 12568 2,35 11684 2,18 U120 PT17 444 15,9 539 13,33 U120 PT18 13612 2,19 9849 2,74 U130 PT11 33 69,6 7 126,22 U130 PT15 48 55,2 29 61,51 U130 PT16 100 40,6 106 33,89 U130 PT17 36 71,3 5 181,21 U130 PT18 32 70,3 38 56,05 U340 PT11 53 57,6 23 71,57 U340 PT15 33 70,5 24 71,3 U340 PT16 114 37,4 64 43,78 U340 PT17 82 43,6 58 45,17 U340 PT18 82 44,2 35 58,58 U612 PT11 __ __ 2756 6 U612 PT15 __ __ 282 19,3 U612 PT16 __ __ 2591 6,34 U612 PT17 __ __ 284 20,43 U612 PT18 __ __ 754 12,34
Capítulo 4. Resultados obtidos
84
Pela análise das medidas de localização associadas aos CV das estimativas das
áreas das Tabelas 4.35 e 4.36, observa-se que, como ocorre para Portugal
continental (PT 1), para as NUTS 2, as únicas classes que apresentam estimativas
com precisões mais altas são agricultura (U110) e floresta (U120) e áreas naturais ou
com outros usos socioeconómicos (U612). Os resultados obtidos para as classes
indústrias extrativas (U130), serviços culturais, entretimento e recreativos (U340)
apresentam CV altos e consequentemente as precisões são baixas.
Tabela 4.35: Medidas de localização para os valores CV das classes de usodo solo, por NUTS 2, para os dados recolhidos nos LUCAS de 2009
Classes de uso do solo Min. Q1 Mediana Média Q3 Máx. U110 2,0 3,1 3,2 5,0 8,1 8,7 U120 2,2 2,4 4,1 7,3 12,1 15,9 U130 40,6 55,2 69,6 61,4 70,3 71,3 U340 37,4 43,6 44,2 50,7 57,6 70,5
Tabela 4.36: Medidas de localização para os valores CV das classes de usodo solo, por NUTS 2, para os dados recolhidos nos LUCAS de 2012
Classes de uso do solo Min. Q1 Mediana Média Q3 Máx.
U110 1,5 2,7 2,8 3,9 5,5 6,9 U120 2,2 2,7 3,6 5,8 7,4 13,3 U130 33,9 56,1 61,5 91,8 126,2 181,2 U340 43,8 45,2 58,6 58,1 71,3 71,6 U612 6,0 6,3 12,3 12,9 19,3 20,4
4.4.3. Avaliação das Estimativas ao nível da NUTS 3
Nos Anexos 14 e 15 são apresentadas ao nível das NUTS 3 as estimativas das áreas
e os coeficientes de variação obtidos utilizando os estimadores descritos na secção
3.4 para as cinco classes de uso do solo analisadas neste trabalho agricultura (U110),
floresta (U120), indústrias extrativas (U130), serviços culturais, entretimento e
recreativos (U340) e áreas naturais ou com outros usos socioeconómicos (U612).
Pela análise das medidas de localização asssociadas aos CV das estimativas das
áreas das classes de uso do solo, apresentadas na Tabela 4.37 e Tabela 4.38, ao
nível das NUTS 3, observa-se que continuam a ser agricultura (U110), floresta (U120)
e áreas naturais ou com outros usos socioeconómicos (U612) as classes que
apresentam as melhores precisões.
Estimação do uso e ocupação do solo ao nível das NUTS 2 e NUTS 3
85
Observa-se, no entanto, um aumento generalizado dos CV para todas as medidas de
localização comparando com os resultados obidos para as NUTS 2 (Tabelas 4.35 e
4.36). Para os caso das classes U110 e U120, os valores máximos passam a ser,
respetivamente, 25.3 e 48.1 (para os dados do ano 2009) e 19.1 e 27.5 (para 2012),
enquanto para NUTS 2 o valor mais elevado é 15.9 (para a classe U120).
Para o caso da classe U612 é possível observar que o valor mediano (com CV=26.93)
corresponde a uma estimativa com menor precisão quando comparado com o valor
máximo alcançado para NUTS 2 (CV=20.4) apresentado na Tabela 4.42.
Tabela 4.37:Medidas de localização para os valores dos CVs das estimativas LUCAS 2009 para uso do solo, ao nível das NUTS 3
Classes de uso do solo Min. Q1 Mediana Média Q3 Máx.
U100 3,3 6,3 11,5 10,3 13,3 25,3 U120 4,2 6,2 8,7 10,6 12,0 48,1 U130 55,2 79,1 98,4 88,3 100,3 101,8 U340 54,8 70,4 98,4 85,4 99,9 102,9
Tabela 4.38:Medidas de localização para os valores dos CVs das estimativas LUCAS 2012 parauso do Solo, ao nível das NUTS 3
Classes de uso do solo Min. Q1 Mediana Média Q3 Máx.
U100 2,4 5,6 8,9 8,4 10,9 19,1 U120 4,6 6,3 7,3 9,2 11,0 27,5 U130 57,8 61,5 75,8 92,2 130,2 146,0 U340 60,8 69,0 73,5 99,7 140,0 179,2 U612 11,7 15,8 26,9 32,8 33,9 129,4
4.5. Comparação de estimativas para as áreas de uso do solo
(Entre o projeto LUCAS e outros sistemas de classificação nacionais)
De seguida são comparadas as estimativas das áreas, em Km2, obtidas a partir dos
dados recohidos nos inquéritos LUCAS realizados em 2009 e 2012 (presentes nas
bases de dados LUCAS survey) e as áreas obtidas a partir de vários sistemas de
classificação nacionais (NDS). A finalidade deste processo de comparação de
estimativas prende-se com os objetivos propostos para o estudo piloto desenvolvido
pelo INE apresentados na introdução deste trabalho de investigação.
Como foi referido anteriomente as principais fontes de dados nacionais (NDS) foram
a COS 2007, recenseamento agrícola (RA), inventário de florestas nacionais (IFN),
parcelário agrícola, informação de fontes hídricas do sistema nacional e resultados
obtidos através de deteção remota (a partir da classificação automática de imagens
(OBIA-Object based image analysis).
Capítulo 4. Resultados obtidos
86
A comparação das áreas incidiu exclusivamente sobre as classes de uso do solo, ao
nível 2 da nomenclatura do sistema de classificação LUCAS, agricultura (U110),
floresta (U120), indústrias extrativas (U130), serviços culturais, entretimento e
recreativos (U340) e áreas naturais ou com outros usos socioeconómicos (U612)
para as NUTS 1, NUTS 2 e NUTS 3.
4.5.1. Comparação de resultados ao nível das NUTS 1
Na Tabela 4.39 são apresentadas para Portugal continental as estimativas das áreas,
os CV e as diferenças entre os resultados obtidos no projeto LUCAS e as estimativas
provenientes por outras fontes nacionais, para as cinco classes de uso do solo.
Pelos resultados obtidos, constata-se que as estimativas das áreas das classes de
uso do solo obtidas com base nos dados LUCAS survey dos anos 2009 e 2012
apresentam diferenças significativas relativamente aos resultados de NDS.
Para os dados recolhidos no LUCAS de 2009, observa-se que a classe agricultura
(U110) é a única que apresenta estimativas obtidas através da metodologia de
estimação usada no LUCAS que são semelhantes com as provenientes de outras
fontes nacionais de dados.
Para os caso dos dados obtidos em 2012, as diferenças entre as estimativas para as
classes agricultura (U110) e indústrias extrativas (U130) aumentaram. As diferenças
para as classes), floresta (U120) e serviços culturais, entretimento e recreativos
(U340) diminuiram. Observa-se que áreas naturais ou com outros usos
socioeconómicos (U612) é a única cujas estimativas LUCAS se aproximam
ligeiramente das provenientes de outros sistemas de classificação nacionais
(diferença de 8,3%).
Tabela 4.39: Diferenças entre os resultados estimados através dos dados LUCAS 2009 e 2012, para as classes LU, para Portugal continental, com os resultados obtidos de outras fontes de dados nacionais (NDS)
NUTS 1 Classes de uso do solo
Dados LUCAS NDS
Diferenças ( %)
2009 2012 LUCAS 2009/NDS
LUCAS 2012/NDS ESTIM_AREA CV ESTIM_AREA CV
PT1 U110 32875,9 1,46 38657,2 1,18 32184,5 2,1% 20,1%
PT1 U120 33389,9 1,55 29400,6 1,53 8374,3 298,7% 251,1%
PT1 U130 254,2 25,63 203,8 24,79 468,1 -45,7% -56,5%
PT1 U340 362,5 21,13 246,4 22,16 130,9 176,9% 88,2%
PT1 U612 _ _ 6416,5 4,08 6998,4 _ -8,3%
Estimação do uso e ocupação do solo ao nível das NUTS 2 e NUTS 3
87
4.5.2. Comparação de resultados ao nível das NUTS 2
Na Tabela 4.40 são apresentadas as estimativas das áreas e as diferenças entre os
resultados obtidos no projeto LUCAS e dados provenientes de NDS ao nível das
NUTS 2.
Pelos resultados obtidos, para todas as NUTS 2 observa-se que as estimativas das
áreas das classes de uso do solo baseadas nos dados recolhidos no projeto LUCAS
de 2009 e 2012, apresentam diferenças consideráveis relativamente aos valores das
áreas recolhidos através de outras fontes de dados nacionais.
Em termos médios, a classe agricultura (U110) é a que apresenta menores
diferenças (44%). Todas as restantes classes têm diferenças superiores a 100%.
Tabela 4.40:Comparação de resultados ao nível das NUTS 2 entre os dados LUCAS 2009 e os dados provenientes de outras fontes de dados nacionais (NDS)
Classes de
uso do solo
ESTIM_AREA (LUCAS 2009) NDS Diferenças entre áreas LUCAS e
NDS ( %)
PT11 PT15 PT16 PT17 PT18 PT11 PT15 PT16 PT17 PT18 PT11 PT15 PT16 PT17 PT18
U110 7683 1425 8371 979 14392 6031 743 5395 824 19191 27% 92% 55% 19% -25%
U120 5855 886 12568 444 13612 2323 466 2608 189 2789 152% 90% 382% 135% 388%
U130 33 48 100 36 32 234 12 130 0 91 -86% 283% -23% _ -65%
U340 53 33 114 82 82 26 23 33 26 23 104% 44% 246% 212% 261%
U612 _ _ _ _ _ 2272 471 1889 448 1918 _ _ _ _ _
Analisando os resultados da Tabela 4.41, observa-se que os desvios, de um modo
geral, também são elevados e que as únicas classes que tiveram estimativas
próximas das dadas pela NDS foram, para o Alentejo (PT18), a classe agricultura
(U110) eno centro de Portugal (PT15), a classe serviços culturais, entretimento e
recreativos (U340), com 1% e 3% de desvio, respetivamente.
Em termos médios, considerando todas as NUTS 2, a classe U612 é a que apresenta
resultados mais próximos dos obtidos por outras fontes (25% de desvios).
Tabela 4.41:Comparação de resultados ao nível das NUTS 2 entre os dados LUCAS 2012 e os dados provenientes de outras fontes de dados nacionais (NDS)
Classes de uso do
solo
ESTIM_AREA (LUCAS 2009) NDS Diferenças entre áreas LUCAS e
NDS ( %
PT11 PT15 PT16 PT17 PT18 PT11 PT15 PT16 PT17 PT18 PT11 PT15 PT16 PT17 PT18
U110 7597 1994 8382 1221 19043 6031 743 5395 824 19191 26% 168% 55% 48% -1%
U120 5906 1406 11684 539 9849 2323 466 2608 189 2789 154% 202% 348% 186% 253%
U130 7 29 106 5 38 234 12 130 0 91 -97% 135% -18% _ -58%
U340 23 24 64 58 35 26 23 33 26 23 -13% 3% 93% 120% 55%
U612 2756 282 2591 284 754 2272 471 1889 448 1918 21% -40% 37% -37% -61%
Capítulo 4. Resultados obtidos
88
4.5.3. Comparação de resultados ao nível das NUTS 3
Nos Anexos 14 e 15 são apresentadas as estimativas das áreas, em Km2, os valores
dos CV e as diferenças entre os resultados das áreas entre os dados recolhidos em
2009 e 2012 no projeto LUCAS e os dados provenientes de outros sistemas de
classificação nacionais (NDS) para as NUTS 3.
Como se observa a partir dos valores das medidas de localização apresentadas na
Tabela 4.42 e Tabela 4.43, as diferenças ao nível das NUTS 3 são elevadas para
todas as classes de uso do solo.
Para ambos os anos, a classe agricultura (U110) é a que apresenta menor dispersão
nas diferenças. De realçar que os valores mais baixos de CV para as classes serviços
culturais, entretimento e recreativos (U340) e áreas naturais ou com outros usos
socioeconómicos (U612) são inferiores ao da classe U110 para o ano de 2012.
Tabela 4.42:Medidas de localização das diferenças (em %) entre dados LUCAS 2009, por Uso do Solo, ao nível das NUTS 2, com os resultados obtidos de outras fontes de classificação nacionais
Classes de uso do solo Min. Q1 Mediana Média Q3 Máx.
U100 4,6 29,8 42,7 63,1 78,6 249,0
U120 53,4 184,7 307,9 352,4 467,8 1096,8
U130 34,3 54,9 266,8 583,1 1070,6 1715,0
U340 38,4 202,2 344,9 417,2 599,3 1199,8
Tabela 4.43: Medidas de localização das diferenças (em %) entre dados LUCAS 2012, por Uso do Solo, ao nível das NUTS 2, com os resultados obtidos de outras fontes de Classificação nacionais
Classes de uso do solo Min. Q1 Mediana Média Q3 Máx.
U100 5,9 18,5 35,5 67,3 100,0 267,7 U120 63,8 201,3 259,0 313,2 393,8 1037,3 U130 28,8 41,2 135,3 217,3 289,3 695,8 U340 3,3 60,6 182,8 312,8 371,3 1563,9 U612 5,6 38,7 61,6 1222,7 102,8 12087,0
89
Capítulo 5
Conclusões
O LUCAS é um projeto de amostragem espacial que tem sido implementado
pelo Eurostat com o intuito da obtenção regular de estatísticas ao nível do
espaço europeu, tendo por base uma distinção clara entre os conceitos de uso
e ocupaçao do solo. Para tal, tem sido utilizado um esquema de amostragem
areolar baseado em pontos, recolhidos num esquema em duas fases (por
estratificação). Os pontos são classificados de acordo com a nomenclatura de
classificação do LUCAS definida com o propósito de uniformizar a
multiplicidade de sistemas de classificação existentes nos países da União
Europeia.
Em Portugal continental o projeto foi implementado em 2009 e 2012. Até ao
momento foram publicados por parte do Eurostat para cada um dos anos,
exclusivamente, estimativas das áreas para as classes de ocupação do solo
para Portugal continental (PT1), ao nível 1 da nomenclatura do projeto LUCAS.
Com o propósito de examinar e comparar os resultados baseados nos dados
LUCAS com os provenientes de outros sistemas de classificação nacionais,
assim como determinar a concordância entre as diferentes nomenclaturas de
classificação, o Eurostat empreendeu o desenvolvimento de um estudo piloto
pelos estados membros participantes designado por “sinergias entre o projeto
LUCAS e outros sistemas de classificação nacionais”.
Tendo em consideração que neste trabalho, assim como no relatório interno do
INE enviado em Julho de 2014 para o Eurostat, no âmbito do referido estudo
LUCAS piloto, são apresentadas as estimativas das áreas para todas as
regiões de Portugal continental (ao nível das NUTS 3), pode concluir-se que os
resultados obtidos revestem-se da maior importância para o conhecimento da
Capítulo 5. Conclusões
90
composição atual do tipo de solo em Portugal Continental e as funções
socioeconómicas que lhe estão associadas.
De seguida são apresentadas as principais conclusões retiradas dos resultados
obtidos neste trabalho, tendo em consideração os objetivos propostos
inicialmente.
5.1. Avaliação das Estimativas obtidas através da metodologia de estimação usada
Para Portugal continental (PT1), as estimativas obtidas para as áreas das
classes de ocupação do solo baseadas nos dados recolhidos em 2009 e 2012,
evidenciaram para a maioria da classes coeficientes de variação dentro dos
limites máximos estabelecidos pelo Eurostat (Anexo 5).
Efetivamente, para os dados recolhidos em 2009 e 2012, os únicos casos de
classes com valores de precisão inferiores aos desejados são, ao nível 1 da
nomenclatura LUCAS, zonas húmidas (H) com CV acima de 20%.
Ao nível 2 da nomenclatura, para os dados recolhidos em 2009, corpos de
água costeiros (G30), zunas húmidas interiores (H10) e zonas húmidas
costeiras (classe H20) apresentam CV superiores aos limites máximos. A estas
classes, para os dados recohidos em 2012, acrescem.se culturas temporárias
industriais (B30) e areias (F20) e outras áreas de solo nu (F40) também com
CV superiores aos limites máximos.
Para as NUTS 2, ao nível 1 da nomenclatura proposta, observa-se uma
diminuição generalizada da precisão das estimativas. Destacam-se o caso da
classe zonas húmidas (H) em que para todas as NUTS 2 os CV estão acima
dos limites máximos definidos pelo Eurostat.
As classes corpos de água (G) e solo nu e líquenes (F), para as regiões do
Algarve (PT15) e Lisboa (PT17) também apresentam estimativas com CV
elevados. Para todos os outros casos o estimador utilizado evidenciou
precisões dentro dos limites de referência.
Ainda no que se refere às NUTS 2, para os níveis 2 e 3 da nomenclatura de
classificação proposta pelo LUCAS, observa-se uma natural diminuição da
Estimação do uso e ocupação do solo ao nível das NUTS 2 e NUTS 3
91
precisão das estimativas devido ao menor número de pontos pertencentes a
cada classe. Algarve e Lisboa apresentam-se como as regiões com valores
mais elevados de CV, enquanto que a região Norte (PT11) e Alentejo (PT18)
são as que apresentam melhores precisões.
Excetuando as classes floresta (C10) e vinha, olival, viveiros e culturas
permanentes industriais (B80), para os dados recolhidos em 2009 e 2012, e
floresta de folhosas caducifólias (C11) e prados sem árvores (E20), para os
dados de 2012, que apresentam estimativas com precisões abaixo dos limites
de referência para todas as NUTS 2. Todas as outras classes têm pelo menos
algumas NUTS 2 com CV elevados.
No que se refere a NUTS 3, observa-se que o esquema de amostragem
LUCAS fornece estimativas com baixas precisões devido ao menor número de
pontos selecionados. Efetivamente, a maior parte das estimativas com CV
abaixo dos limites máximos, para os três níveis da nomenclatura de
classificação, pertencem às classes terrenos terreno agrícolas (B) e florestas
(C), enquanto que para as outras classes os CV na generalidade dos casos
são elevados.
Para os dados recolhidos em 2012, observa-se para algumas classes, tais
como outras áreas de solo nu (F40) e planos de água interiores (G10), CV
dentro dos limites máximos para NUTS 3.
Ao nível das classes de uso do solo, neste estudo foram efetuadas estimativas
para as classes agricultura (U110), floresta (U120), indústrias extrativas (U130),
serviços culturais, entretimento e recreativos (U340) e áreas naturais ou com
outros usos socioeconómicos (U612), para os três níveis NUTS.
Para as classes U110 e U120, para os dados recolhidos em 2009 e 2012, para
as NUTS 1 e 2, as estimativas das áreas obtidas evidenciam CV com valores
baixos. Para as NUTS 3, apesar da diminuição das precisões, os valores
médios dos CV são próximos de 10%, evidenciando precisões aceitáveis tendo
em consideração os resultados obtidos para as classes de ocupação do solo.
Capítulo 5. Conclusões
92
Para os dados recolhidos em 2012, áreas naturais ou com outros usos
socioeconómicos (U612) também apresenta CV baixos. No entanto, para as
NUTS 3, os CV são aproximadamentede 30%.
As restantes classes, para ambos os anos, devido ao baixo número de pontos
recolhidos na segunda fase do esquema de amostragem, apresentam CV
bastante elevados.
Assim, pode concluir-se, pela avaliação efetuada das estimativas para as áras
das classes de ocupação e uso do solo, que a metodologia de estimação
utilizada no projeto LUCAS, apenas é recomendável a sua implementação para
casos em que a dimensão da amostra é suficientemente grande. Segundo
Martino e Palmieri (2009) o esquema de amostragem do projeto LUCAS foi
implementado tendo por base a necessidade de em cada domínio, ao nível das
NUTS 2, o número mínimo de pontos ser 4. O que não acontece para a
generalidade dos casos para NUTS 3.
5.2. Comparação de resultados com outras fontes nacionais de classificação de dados (NDS)
Para além da obtenção e avaliação das estimativas das áreas através dos
dados recolhidos no projeto LUCAS em 2009 e 2012, procedeu-se igualmente
à comparação das mesmas com os resultados das áreas provenientes de
outras metodologias de estimação obtidas através de sistemas de classificação
nacionais.
Pelas diferenças obtidas apresentadas nos subcapítulos 4.3 e 4.5 pode
concluir-se que os resultados para a grande maioria dos casos não são
comparáveis entre si.
A justificação para as diferenças observadas podem dever-se a alguns dos
seguintes factores:
Problemas relacionados com a uniformização das nomenclaturas
usadas nos sistemas de classificação nacionais comparativamente com
a proposta no projeto LUCAS. Efetivamente, na maior parte dos casos,
existem diferenças, relativamente ao número de níveis associados,
Estimação do uso e ocupação do solo ao nível das NUTS 2 e NUTS 3
93
assim como à não separação entre os conceitos de uso e ocupação do
solo;
Os sistemas de classificação baseiam-se igualmente em abordagens de
amostragem espacial muito diferente. Por exemplo, para a obtenção de
resultados foram recolhidos dados provenientes de recenseamentos
agrícolas, métodos estatísticos (como o IFN) ou obtidos através de
deteção remota (como a COS 2007);
A questão temporal da recolha de dados utilizados ser muito diferente
comparativamente com o momento em que foram os dados recolhidos
nos inquéritos LUCAS. Como foi realçado aquando da análise
exploratória da distribuição dos pontos nos questionários LUCAS, para
além da existência de uma percentagem elevada de pontos com mais do
que uma classificação de tipo de classe de uso e ocupação do solo
(devido à heterogeneidade do solo), observaram-se alterações
significativas, mesmo para o nível 1 da nomenclatura proposta pelo
projeto LUCAS, no tipo de classificação de classe de ocupação do solo
entre 2009 e 2012 (aproximadamente 20% dos pontos).
5.3. Sugestões para trabalho futuro
De entre as abordagens de estimação espacial, neste estudo foi utilizada uma
metodologia design based tendo em consideração o esquema de amostragem
implementado pelo Eurostat através da utilização de um estimador em duas
fases (por estratificação).
Como foi referido na avaliação das estimativas obtidas, observou-se que
excetuando algumas classes com um menor número de pontos, tais como as
classificadas como corpos de água (G) e zonas húmidas (H), as estimativas
para as NUTS 1 e para a generalidade das NUTS 2 evidenciaram CV abaixo
dos máximos de referência apresentados pelo Eurostat para o estudo piloto
(Anexo 5).
Contudo, ao nível das NUTS 3, excetuando algumas classes a terrenos terreno
agrícolas (B) e florestas (C), para os três níveis, uma vez que o número de
pontos por classe é muito pequeno, observam-se CV muito altos e fora dos
limites recomendados pelo referido.
Capítulo 5. Conclusões
94
Tendo em consideração este aspeto, considera-se relevante, em futuros
trabalhos de investigação, a implementação de uma metodologia model
basedcomo por exemplo a técnica em pequenos domínios, pela utilização de
informação auxilar dada, por exemplo, a partir de outras fontes de classificação
nacionais (Rao, 2003).
95
Capítulo 6
Bibliografia
1. AFN, (2012). 6º Inventário Florestal Nacional (Plano de Projeto). Autoridade
Florestal Nacional. Versão 2.0, Junho de 2012, Lisboa.
2. Barnett, V. (2004). Environmental Statistics, Methods and Applications,
John Willey & Sons, Ltd.
3. Bettio M., Delincé J., Bruyas P., Croi W., Eiden G. (2002). Area frame
surveys: Aim, Principals and Operational Surveys, Building Agro
Environmental Indicators, focussing on the European area frame survey
LUCAS, European Commission.
4. Brus, D. J. (2010). Design-based and model-based sampling strategies for
soil monitoring, 19 th World Congress of Soil Science, Soil Solutions for a
Changing World.
5. Brus, D. J. (2011). Dealing with Contaminated Sites: From Theory towards
Practical Application (chap. 4), National Institute of Public Health and the
Environment (RIVM), Bilthoven.
6. Brus, D. J., Knotters, M. (2008). Sampling design for compliance monitoring
of surface water quality: A case study in a Polder area, Water resources,
44, W11410.
7. Brus, D.J., Knotters M., Metzger M. J., Walvoort, D.J.J. (2011). Towards a
European-wide sampling design for statistical monitoring of common
habitats, Alterra report 2213, Wageningen.
8. Cadima, E. L., Caramelo, A.M., Afonso-Dias, M., Barros, P. C., Tandstad,
M.O., de Leiva-Moreno, J.I. (2005). Sampling methods applied to fisheries
science: a manual. FAO Fisheries department Rome.
9. Chun, Y., Griffith, D.A. (2013). Spatial Statistics & Geostatistics: Theory and
Applications for Geographic Information Science & Technology (GIST),
SAGE Publications Ltd.
10. Cochran W., (1977). Sampling Techniques. New York: John Wiley and
Sons.
Capítulo 6. Bibliografia
96
11. DGT (2013). Relatório Anual 2012-2013. LANDYN - Alterações de uso e
ocupação do solo em Portugal Continental: caracterização, forças motrizes
e cenários futuros, Relatório NUT II, Direção Geral do Território
12. Eurostat (2012a). http://epp.eurostat.ec.europa.eu/portal/page/portal/lucas,
página com as bases de dados LUCAS 2009 e 2012 para os 27 União
Europeia nos quais o projeto LUCAS foi implementado.
13. Eurostat (2012b). LUCAS 2012-Technical Reference Document: C-2: Field
form”, European Commission.
14. Eurostat (2013a). Land cover and land use, landscape (LUCAS). Reference
Metadata in Euro SDMX Metadata Structure (ESMS). Compiling agency:
Eurostat, the statistical office of the European Union. Last update: 25
October 2013.
15. Eurostat (2013b). LUCAS 2012-Technical Reference Document:C-1
Instructions for Surveyors (Revised), European Comission.
16. Eurostat (2013c). LUCAS 2012-Technical Reference Document: C-3: Land
use and Land Cover Classification (revised), European Commission.
17. FAO (1996). Multiple frame agricultural surveys, volume 1: Current surveys
based on area and list sampling methods, FAO statistical development
series.
18. Ferreira, M. C., Campos, P. (2013). Inventário sobre as Principais
Metodologias no Domínio da Amostragem sobre o Uso/Ocupação do Solo,
DMSI/ME – Instituto Nacional de Estatística.
19. Fuller, W. A. (1999). Estimation Procedures for the United States National
Resources Inventory, SSC Annual Meeting, June 1999, Proceeding of the
Survey Methods Section.
20. Gallego, J. (1995). Sampling frames of square segments an agricultural
information system for the European Union, Joint Research Centre,
European Comission.
21. Gallego, J. (2007). Sampling efficiency of the EU point survey LUCAS
2006, Paper presented at the 56th ISI session, Lisbon, 22-29 September
2007.
22. Gallego, J. (2013). The use of a Point Sample as a Master Frame for
Agricultural Statistics, ICAS VI, Sixth International conference on
Agricultural Statistics.
Estimação do uso ocupação do solo ao nível das NUTS 2 e NUTS 3
97
23. Gallego, J., Bamps, C., (2008). Using CORINE land cover and the point
survey LUCAS for area estimation. International Journal of Applied Earth
Observation and Geoinformation, 10 (2008): 467-475.
24. GruijterJ., Brus, D.J., Bierkens, M., Knotters, M. (2006). Sampling for
Natural Resource Monitoring, Springer.
25. Gruijter, J., ter Braak, C. J. F. (1990). Model-Free Estimation from Spatial: A
reappraisal of classical sampling theory. Mathematical Geology 22 (4): 407
– 415.
26. Jacques, P., Gallego, J. (2005). The LUCAS project – The new
methodology in the 2005/2006 surveys. Agri-environment workshop:
Belgirate, September de 2005.
27. Kim, S. D., Lee, S. E. (2013). A note on double sampling estimate and post
estimation with BLS outlier adjustment, Proceedings 59th ISI World
Statistics Congress, 25-30 August 2013, Hong Kong.
28. Kincaid T., Olsen T., Stevens D., Platt C., White C., Remington R. (2014).
spsurvey package: Spatial Survey Design and Analysis, CRAN r-project.
29. Landyn (2013). http://landyn.isegi.unl.pt/, página do projeto Landyn,
acedida em 16/07/2014.
30. Manly B. F.J. (2001). Statistics for Environmental Science and
Management, Chapman & Hall / CRC.
31. Martino, L., Palmieri, A., Gallego, J. (2009). Use of auxiliary information in
the sampling strategy of a European area frame agro-environmental survey,
First Italian Conference on Survey Methodology. Siena: 10-12 June 2009.
32. Martino, L, Palmieri, A. (2009). LUCAS 2009 Sampling weights, Eurostat
33. Martino, L., Fritz, M, (2008). New Insight into Land Cover and Land Use in
Europe, Eurostat – Statistics in focus, 33/2008.
34. Opsomer, J. D., Fuller, W. A., Li, X. (2003). Replication Variance
Estimation for the National Resources Inventory, 2003 Joint Statistical
Meetings - Section on Survey Research Methods.
35. Palmieri, L. Martino, P. Dominici and M. Kasanko (2011). Land Cover and
Land Use Diversity Indicators in LUCAS 2009 data. Conference on Land
quality and land use information in the European Union - Keszthely (HU)
2011.
Capítulo 6. Bibliografia
98
36. Palmieri,A. (2012). LUCAS 2012 Sampling design, Internal Note. Eurostat
37. Rao, J. N. K (2003). Small Area Estimation, Wiley.
38. Ruiz-Medina, M.D. (2012). New challenges in spatial and spatiotemporal
functional statistics for high-dimensional data, Spatial Statistics, 1: 82-91.
39. Sahoo, P. M., Singh, R., Rai, A. (2006). Spatial Sampling Procedures for
Agricultural Surveys using Geographical Information System, J. Ind. Soc.
Agril. Statist, 60 (2): 134-143.
40. Sanders, D. H. (1995). Statistics, A First Course – Fifth Edition, McGraw-
Hill, Inc.
41. Scheaffer, R. L., Mendelhall, W., Ott, R. L. (1996). Elementary Survey
Sampling – Fifth Edition, Wadsworth Publishing Company.
42. Schoenmakers, B. J. (2005). Desenvolvimento de uma Metodologia de
Amostragem para Caracterização da Ocupação do Solo de Portugal
Continental, Dissertação apresentada como requisito parcial para a
obtenção do grau de Mestre em Estatística e Gestão de Informação pelo
Instituto Superior de Estatística e Gestão de Informação da Universidade
Nova de Lisboa.
43. Scott, W. (2008). Cs technical report no.4/07, statistical report. Technical
report, Centre for Ecology and Hydrology.
44. Stevens, Jr., Olsen,D.L.,. (2004). Spatially-balanced sampling of natural
resources. Journal of the American Statistical Association, 99:262-277.
45. Storch, H.V., Zwiers, F. W. (1999). Statistical Analysis in Climate Research,
Cambridge University Press.
46. Theobald, D. M., Stevens, Jr., White, D., Urquhart, N. S., Olsen, A. R.,
Norman, J. B. (2007). Using GIS to Generate Spatially Balanced Random
Survey Designs for Natural Resource Applications. Enviromental
Mangement, 40: 134 – 146.
47. Wang, J.-F., Stein, A., Gao, B.-B., Ge Y. (2012). A review of spatial
sampling, Spatial Statistics, 2: 1-14.
99
Anexos
Anexo 1: Descrição das NUTS 1, NUTS 2 e NUTS 3 ao nível do território de Portugal (utilizadas no projeto LUCAS)
NUTS 1 Designação NUTS 2 Designção NUTS 3 Designacao
PT1
PT11 Norte
PT111 Minho-Lima
PT112 Cávado
PT113 Ave
PT114 Grande Porto
PT115 Tâmega
PT116 Entre Douro e Vouga
PT117 Douro
PT118 Alto Trás-os-Montes
PT15 Algarve PT150 Algarve
PT16 Centro
PT161 Baixo Vouga
PT162 Baixo Mondego
PT163 Pinhal Litoral
PT164 Pinhal Interior Norte
Portugal PT165 Dão-Lafões
Continental PT166 Pinhal Interior Sul
PT167 Serra da Estrela
PT168 Beira Interior Norte
PT169 Beira Interior Sul
PT16A Cova da Beira
PT16B Oeste
PT16C Médio Tejo
PT17 Lisboa
PT171 Grande Lisboa
PT172 Península de Setúbal
PT18 Alentejo
PT181 Alentejo Litoral
PT182 Alto Alentejo
PT183 Alentejo Central
PT184 Baixo Alentejo
PT185 Lezíria do Tejo
Anexos
Anexo 5: Precisão (Limites máximos de erro esperados por classe de ocuapação do solo por NUTS definidos pelo Eurostat)
108
Anexos
Anexo 6: Estimativas da área (km2) e respetivos CV, ao nível 2 e 3 das classes de ocupação do solo, por NUTS 2, para os
dados recolhidos em 2009
Classes de ocupação do solo PT 11 CV PT 15 CV PT 16 CV PT 17 CV PT18 CV
(Nível 2 e 3) ESTIM_AREA ESTIM_AREA ESTIM_AREA ESTIM_AREA ESTIM_AREA
A10 439 18,43 66 47,46 698 13,81 85 41,29 247 24,61
A20 1010 11,18 230 25,09 987 12,19 386 15,52 561 15,06
B10 992 11,67 49 55,83 1386 9,90 131 32,88 2393 7,50
B20 145 32,83 __ __ 132 35,05 16 99,48 66 49,36
B30 __ __ __ __ 16 99,69 __ __ 262 24,48
B40 213 27,45 __ __ 195 28,51 35 71,44 261 24,60
B50 251 24,07 __ __ 213 27,40 229 24,73 540 16,90
B70 686 14,61 463 15,86 327 22,02 50 57,50 64 49,59
B80 2160 7,19 354 19,94 2236 6,97 182 22,10 2477 6,17
C10 5739 4,19 754 13,31 11319 2,58 516 13,90 13276 2,22
C11 3101 6,40 476 17,40 6125 4,31 233 24,15 10951 2,75
C12 1607 9,49 262 24,15 3772 5,91 216 25,29 1276 10,89
C13 1031 12,02 17 98,62 1422 10,17 67 48,36 1049 12,01
C20 1889 8,76 395 19,01 2622 7,36 183 28,35 2548 7,57
C30 507 17,48 131 34,89 775 14,23 16 99,48 252 25,59
D10 514 17,55 688 13,91 937 12,85 116 36,38 328 21,96
D20 2788 6,97 922 11,58 1999 8,59 99 38,98 1030 12,28
E10 68 49,46 148 32,63 115 37,36 __ __ 262 24,67
E20 379 20,37 33 70,52 147 32,96 49 56,82 2576 7,28
E30 2094 8,26 326 21,26 2607 7,14 412 18,22 3048 6,75
F00 1200 11,24 213 26,56 1124 11,73 253 22,97 767 14,09
G10 125 23,11 32 70,70 109 33,86 35 100,51 387 19,73
G20 75 43,37 32 70,70 79 42,12 35 100,51 207 28,41
G30 __ __ 16 100,41 80 42,48 70 64,15 22 100,34
H10 __ __ __ __ 48 57,70 __ __ __ __
H20 14 100,79 144 29,04 50 57,85 103 48,92 33 70,17
109
Anexos
Anexo 7: Estimativas da área (km2) e respetivos CV, ao nível 2 e 3 das classes de ocupação do solo, por NUTS 2, para os
dados recolhidos em 2012
Classes de ocupação do solo PT 11 CV
PT 15 CV
PT 16 CV
PT 17 CV
PT18 CV
(Nível 2 e 3) ESTIM_AREA ESTIM_AREA ESTIM_AREA ESTIM_AREA ESTIM_AREA
A10 837 11,21 187 20,94 617 12,56 200 21,07 279 20,08
A20 1032 10,35 156 26,87 1342 8,91 339 15,79 563 13,29
B10 779 11,60 9 119,46 1136 9,67 136 27,59 2389 6,50
B20 181 25,30 16 85,94 155 27,40 40 54,71 6 144,37
B30 __ __ __ __ __ __ __ __ 110 32,52
B40 183 25,39 __ __ 225 22,74 46 51,70 145 28,37
B50 243 22,13 35 58,33 267 20,69 12 99,75 604 13,70
B70 849 11,17 493 13,35 480 15,35 85 34,50 149 27,90
B80 1742 7,22 535 13,82 2082 6,52 167 25,80 2420 5,71
C10 3660 4,97 899 10,22 10509 2,41 577 12,08 14936 1,75
C11 2187 6,76 468 14,99 5723 3,90 359 15,94 13085 2,03
C12 1209 9,50 387 16,63 4264 4,67 176 27,83 1402 8,89 C13 264 21,00 45 50,97 522 14,73 42 52,82 449 16,02
C20 2016 7,25 548 13,40 2038 7,29 46 51,04 997 10,67
C30 1588 8,13 158 26,80 843 11,60 26 67,33 519 14,92
D10 511 14,96 343 17,94 1478 8,64 128 29,51 456 16,07
D20 3524 5,21 576 13,19 2366 6,71 252 20,64 684 12,96
E10 189 24,61 290 19,44 356 18,08 82 38,07 591 13,98
E20 2261 6,77 339 18,02 1989 7,27 271 18,88 4441 4,53
E30 633 13,27 149 27,13 761 12,18 389 15,66 707 12,69
F10 315 19,47 14 94,99 477 15,67 5 181,21 161 27,01
F20 8 134,89 __ __ 51 49,41 __ __ 6 140,80
F40 529 14,79 112 32,40 647 13,40 12 101,46 664 13,17
G10 61 40,56 21 76,06 185 22,07 81 49,01 504 14,38
G20 136 25,25 31 61,88 70 39,98 __ __ 268 21,20
G30 11 98,43 14 94,99 74 38,85 54 64,63 __ __
H10 __ __ __ __ 24 71,38 __ __ __ __
H20 __ __ 73 36,51 27 65,56 54 64,63 6 142,59
110
Anexos
Anexo 8: Estimativas da área (km2) e respetivos CV, ao nível 1 das classes de ocupação do solo, por NUTS 3, para os dados
recolhidos no LUCAS de 2009
Classes de ocupação do solo (nível 1)
NUTS3 A B C D E F G H
AREA CV AREA CV AREA CV AREA CV AREA CV AREA CV AREA CV AREA CV
PT111 143 30,34 295 17,79 766 10,74 571 14,32 180 29,43 236 24,56 28 32,31 __ __
PT112 175 25,58 296 20,15 426 14,06 152 29,6 148 33,44 41 __ 8 __ __ __
PT113 132 26,58 217 22,63 508 10,34 138 32,47 183 24,54 52 55,79 16 42,82 __ __
PT114 274 15,67 184 16,13 200 18,33 12 102,5 111 35,83 21 73,49 12 __ __ __
PT115 261 20,32 349 17,57 1173 7,57 386 17,96 299 21,87 152 31,85 __ __ __ __
PT116 173 23,54 94 __ 444 11,98 38 68,29 56 48,05 57 54,78 __ __ __ __
PT117 106 34,4 1175 8,01 1314 8,09 934 11,03 294 22,89 231 25,62 54 32,66 __ __
PT118 232 26,91 1836 6,85 3305 4,93 1058 11,69 1226 10,19 443 19,89 58 40,23 14 102,59
PT150 296 20,59 866 10,56 1280 9,4 1610 7,81 507 16,59 213 26,56 80 43,23 144 29,04
PT161 164 23,63 279 __ 995 5,84 __ __ 181 25,08 31 70,1 81 35,2 73 43,22
PT162 180 22,02 462 11,88 1108 5,66 120 34,6 120 36,47 49 58,19 24 34,97 __ __
PT163 128 27,54 295 18,49 920 7,51 141 32,55 194 26,44 45 57,68 __ __ 21 100,52 PT164 132 35,77 182 31,68 1794 4,9 320 19,07 110 39,28 47 75,65 31 __ __ __
PT165 358 20,82 391 18,38 1800 5,93 378 20,43 242 22,46 305 23,95 15 99,8 __ __
PT166 85 46,25 184 24,4 1306 6,09 255 23,52 42 63,23 16 97,62 16 42,99 __ __
PT167 42 __ 65 56,61 438 14,52 170 33,09 153 32,61 __ __ __ __ __ __
PT168 74 47,94 735 11,46 1551 7,42 803 12,55 602 14,64 297 23,91 __ __ __ __
PT169 30 70,13 663 11,67 2161 4,9 314 20,99 446 16,28 99 40,52 36 41,47 __ __
PT16A 47 34,7 305 __ 646 9,14 142 33,81 128 37,45 107 40,6 __ __ __ __
PT16B 288 21,13 546 14,08 625 10,54 200 26,63 451 16,83 110 38,82 __ __ __ __
PT16C 133 32,85 342 17,35 1451 5,74 103 36,73 167 31,59 91 43,92 20 38,37 __ __
PT171 290 14,1 369 15,96 207 23,5 120 32,75 288 21,04 16 104,29 46 39,54 42 57,23
PT172 171 18,47 290 19,38 487 11,44 100 42,7 170 29,45 235 22,64 86 100,61 86 100,61
PT181 177 27,57 585 14,31 3154 3,58 193 27,96 913 11,11 144 34,57 125 __ 19 100,02
PT182 122 20,21 837 10,29 3587 3,84 318 21,85 1193 9,63 89 44,77 103 30,23 __ __
PT183 131 32,69 1279 9,01 3821 3,72 95 40,3 1523 8,32 199 27,91 180 29,44 __ __
PT184 151 26,82 2268 6,47 3394 4,95 549 15,74 1826 8,12 246 24,6 109 32,43 __ __
PT185 222 22,2 1092 8,39 2146 4,59 160 30,02 476 16,5 95 38,73 65 38,53 18 98,55
111
Anexos
Anexo 9: Estimativas da área (km2) e respetivos CV, ao nível 1 das classes de ocupação do solo, por NUTS 3, para os dados
recolhidos no LUCAS de 2012
Classes de ocupação do solo (nível 1)
NUTS3 A B C D E F G H
AREA CV AREA CV AREA CV AREA CV AREA CV AREA CV AREA CV AREA CV
PT111 214 22,09 234 20,18 549 12,49 759 10,5 281 19,85 122 31,96 58 35,34 __ __
PT112 95 33,15 240 18,54 415 12,39 170 23,4 269 18,71 57 45,72 __ __ __ __
PT113 212 19,07 253 16,47 371 12,88 184 __ 188 20,55 22 62,12 16 81,59 __ __
PT114 242 10,56 131 21,09 260 12,9 56 38,21 89 29,62 24 58,3 12 49,35 __ __
PT115 342 16,1 469 13,76 954 8,19 502 13,96 237 22,17 96 35,87 20 __ __ __
PT116 80 35,3 138 20,88 404 10,04 76 36,56 164 21,45 __ __ __ __ __ __
PT117 302 __ 982 8,58 1124 8,03 1152 8,69 274 20,62 244 22,62 30 42,95 __ __
PT118 367 16,81 1448 7,15 3187 4,52 1344 8,41 1438 7,87 343 18,18 44 34,44 __ __
PT150 343 14,65 1088 8,26 1605 6,68 920 10,01 778 11,07 125 30,53 65 42,09 73 36,51
PT161 150 27,47 333 13,66 923 5,23 26 57,51 161 23,28 98 31,69 68 34,12 43 48,80
PT162 241 17,88 359 14,58 1036 5,81 142 24,86 187 23,17 31 54,54 66 33,77 __ __ PT163 198 17,9 226 18,66 981 5,69 52 42,34 233 18,33 50 43,65 4 __ __ __
PT164 76 38,12 193 22,67 1565 5,11 465 14,54 162 26,78 140 29,04 16 __ __ __
PT165 223 22,29 514 13,03 1486 6,28 591 13,11 382 15,72 281 19,66 12 __ __ __
PT166 34 70,57 187 19,59 1250 5,34 306 18,12 6 136,29 116 28,13 7 173,68 __ __
PT167 53 __ 95 __ 273 18,17 278 18,45 116 30,63 48 53,63 4 __ __ __
PT168 81 39,87 374 16,64 988 9,81 1385 7,73 920 9,99 314 19,78 __ __ __ __
PT169 98 43,03 611 11,02 2172 4,8 295 21,47 511 14,27 15 95,67 47 39,25 __ __
PT16A 107 29,65 335 14,75 634 __ 169 24,56 67 41,83 51 46,9 11 82,58 __ __
PT16B 233 16,17 604 10,3 773 8,12 143 26,57 380 15,07 40 49,89 46 38,59 __ __
PT16C 244 18,06 446 12,27 1317 5,05 122 27,99 97 30,56 61 39,71 20 __ __ __
PT171 277 11,49 300 17,25 173 23,1 199 21,18 340 14,33 16 104,29 66 22,79 5 145,18
PT172 257 15,36 176 21,23 481 12,18 160 26,31 402 13,62 12 102,61 86 46,13 51 69,90
PT181 140 29,15 474 13,52 3255 3,01 233 21,71 923 9 127 30,24 150 16,71 7 147,21
PT182 86 32,35 1121 8,03 3638 3,05 208 22,78 918 9,52 151 27,33 127 24,64 __ __
PT183 162 22,13 1136 8,8 4039 3,17 99 33,92 1402 7,81 150 27,94 241 20,65 __ __
PT184 108 27,35 2296 5,41 3263 4,27 438 15,54 1927 6,67 284 19,92 226 18,88 __ __
PT185 346 16,43 827 9,6 2318 4,05 144 28,72 496 14,6 123 32,28 21 82,26 __ __
112
Anexos
Anexo 10: Estimativas da área (km
2) para o nível 1 das classes de ocupação do solo, por NUTS 2, para os dados recolhidos no
LUCAS de 2009 e 2012 e resultados obtidos de “outras fontes” e resultados exclusivos da COS 2007
Classe ocupação solo
ESTIM_AREA (LUCAS 2009) ESTIM_AREA (LUCAS 2012) Outras fontes dados (NDS) COS 2007
PT11 PT15 PT16 PT17 PT18 PT11 PT15 PT16 PT17 PT18 PT11 PT15 PT16 PT17 PT18 PT11 PT15 PT16 PT17 PT18
A 1449 296 1685 471 808 1869 343 1960 539 842 1440 252 1455 609 511 1440 252 1455 609 511
B 4447 867 4504 643 6063 3976 1088 4346 485 5823 4242 395 3689 473 6754 6366 1037 6974 976 15140
C 8135 1280 14715 715 16076 7264 1605 13389 649 16452 5723 1755 10322 1248 9670 5267 664 9087 543 5653
D 3301 1610 2935 215 1357 4035 920 3844 380 1140 7558 1877 10671 346 6482 7242 2717 9296 560 5776
E 2541 507 2869 461 5886 3083 778 3105 742 5739 1522 496 1293 121 7146 17 102 565 56 3675
F 1200 213 1124 253 767 852 125 1175 17 832 617 38 425 15 311 771 40 473 30 118
G 200 80 268 141 616 207 65 329 136 771 178 100 237 176 697 178 100 237 176 697
H 14 144 99 103 33 __ 73 51 54 6 6 83 107 14 34 6 83 114 53 34
Anexo 11: Diferenças entre os resultados estimados com base nos dados LUCAS de 2009 e 2012 com os resultados obtidos de outras fontes de classificação (NDS) e resultados exclusivos da COS 2007 (por NUTS 2 ao nível 1 da nomenclatura de classificação LUCAS)
Classe ocupação solo
Diferenças entre LUCAS 2009 e outras fontes de dados (%)
Diferenças entre LUCAS 2009 e COS (%) Diferenças entre LUCAS 2012 e outras
fontes de dados (%) Diferenças entre LUCAS 2012 e COS (%)
PT11 PT15 PT16 PT17 PT18 PT11 PT15 PT16 PT17 PT18 PT11 PT15 PT16 PT17 PT18 PT11 PT15 PT16 PT17 PT18
A 1% 17% 16% -23% 58% 1% 17% 16% -23% 58% 30% 36% 35% -12% 65% 30% 36% 35% -12% 65% B 5% 120% 22% 36% -10% -30% -16% -35% -34% -60% -6% 176% 18% 3% -14% -38% 5% -38% -50% -62% C 42% -27% 43% -43% 66% 54% 93% 62% 32% 184% 27% -9% 30% -48% 70% 38% 142% 47% 19% 191% D -56% -14% -72% -38% -79% -54% -41% -68% -62% -77% -47% -51% -64% 10% -82% -44% -66% -59% -32% -80% E 67% 2% 122% 280% -18% 14978% 395% 408% 726% 60% 103% 57% 140% 511% -20% 18197% 660% 450% 1229% 56% F 94% 456% 165% 1622% 147% 56% 429% 138% 754% 549% 38% 226% 177% 16% 168% 11% 211% 148% -41% 604% G 13% -20% 13% -20% -12% 13% -20% 13% -20% -12% 17% -35% 39% -23% 11% 17% -35% 39% -23% 11%
H 122% 75% -8% 648% -4% 122% 75% -13% 97% -4% __ -12% -52% 290% -83% __ -12% -55% 3% -83%
113
Anexos
Anexo 12: Diferenças em percentagem entre as estimativas LUCAS 2009 e os resultados provenientes de NDS e COS 2007
NUTS 3
Classes de ocupação do solo (Nível 1)
A B C D E F G H
Dif. LUCAS / Dif. LUCAS / Dif. LUCAS / Dif. LUCAS / Dif. LUCAS / Dif. LUCAS / Dif. LUCAS / Dif. LUCAS /
COS07 NDS COS07 NDS COS07 NDS COS07 NDS COS07 NDS COS07 NDS COS07 NDS COS07 NDS PT111 -14% -14% -32% 19% 19% -16% -14% -27% 33950% 969% -14% 273% -3% -3% __ __
PT112 -7% -7% -13% -19% 0% 20% -18% -48% 143943% 1185% -56% 151% -41% -41% __ __
PT113 -37% -37% -33% -24% 23% 61% -49% -64% 20027% 1301% 163% 107% 129% 129% __ __
PT114 -2% -2% -14% -28% -9% -5% -85% -75% 39609% 2646% 207% 457% -14% -14% __ __
PT115 15% 15% -45% -17% 33% 21% -52% -57% 36877% 641% 195% 258% __ __ __ __
PT116 40% 40% -29% 10% 7% 18% -79% -85% __ 1316% 419% 346% __ __ __ __
PT117 5% 5% -19% 15% 75% -11% -44% -15% 5760% 40% 166% 53% 30% 30% __ __
PT118 62% 62% -35% 18% 118% 199% -69% -72% 13216% 0% 96% 47% 17% 17% 19143% 19183%
PT150 17% 17% -16% 120% 93% -27% -41% -14% 395% 2% 429% 456% -20% -20% 75% 75%
PT161 -21% -21% -40% 0% 22% 77% __ __ 13599% 900% 149% 70% 85% 85% -19% -19%
PT162 -3% -3% -19% 35% 19% 196% -62% -89% 15920% 233% 146% 192% 17% 17% __ __
PT163 -34% -34% -20% 162% 30% 234% -69% -87% 16924% 514% 207% -26% __ __ 1285% 1285%
PT164 39% 39% -47% 45% 37% 55% -60% -73% 2413% 244% 52% 473% 34% 34% __ __
PT165 110% 110% -44% 18% 20% 20% -64% -72% 7390% 301% 711% 735% -8% -8% __ __
PT166 131% 131% -3% 95% 117% 38% -75% -68% 593% 326% -21% 324% -41% -41% __ __
PT167 90% 90% -62% -48% 141% 178% -62% -67% 9114% 387% __ __ __ __ __ __
PT168 6% 6% -40% 33% 185% 8% -60% -42% 1155% 33% 120% 82% __ __ __ __
PT169 -31% -31% -32% 14% 159% 54% -78% -76% 15% 31% 232% 99% -5% -5% __ __
PT16A 21% 21% -26% -1% 105% -13% -71% -29% 139% 128% 65% 338% __ __ __ __
PT16B 33% 33% -42% 1% 10% -36% -52% -46% 1313% 373% 278% 589% __ __ __ __
PT16C -23% -23% -46% 16% 89% 81% -84% -88% 579% 30% 141% 2309% -41% -41% __ __
PT171 -23% -23% -23% 48% 32% -62% -57% 32% 3274% 647% 64% 208% -15% -15% 204% 204%
PT172 -27% -27% -42% 30% 26% -30% -64% -61% 259% 105% 1094% 2397% -29% -29% 122% __
PT181 151% 151% -63% -14% 95% 243% -85% -92% 54% -9% 274% 172% -18% -18% 8% 8%
PT182 79% 79% -68% -24% 198% 37% -73% -69% 12% -9% 187% 284% 11% 11% __ __
PT183 21% 21% -71% -18% 386% 111% -87% -91% 64% -35% 1325% 34% -24% -24% __ __
PT184 54% 54% -53% -10% 426% 13% -70% -45% 98% 8% 1777% 292% -34% -34% __ __
PT185 34% 34% -33% 21% 53% 63% -80% -84% 189% -40% 337% 318% 23% 23% 15% 15%
114
Anexos
Anexo 13: Diferenças em percentagem entre as estimativas LUCAS 2012 e os resultados provenientes de NDS e COS 2007
NUTS 3
Classes de ocupação do solo (Nível 1)
A B C D E F G H
Dif. LUCAS / Dif. LUCAS / Dif. LUCAS / Dif. LUCAS / Dif. LUCAS / Dif. LUCAS / Dif. LUCAS / Dif. LUCAS /
COS07 NDS COS07 NDS COS07 NDS COS07 NDS COS07 NDS COS07 NDS COS07 NDS COS07 NDS PT111 28% 28% -46% -6% -14% -39% 14% -3% 53004% 1567% -56% 93% 103% 103% __ __
PT112 -50% -50% -30% -35% -2% 17% -8% -42% 262674% 2243% -39% 247% __ __ __ __
PT113 1% 1% -22% -12% -10% 17% -32% -52% 20589% 1340% 13% -11% 124% 124% __ __
PT114 -14% -14% -39% -48% 18% 24% -29% 17% 31542% 2088% 254% 542% -14% -14% __ __
PT115 50% 50% -26% 12% 8% -2% -37% -44% 29186% 487% 87% 126% -8% -8% __ __
PT116 -35% -35% 5% 61% -2% 7% -58% -71% __ 4058% __ __ __ __ __ __
PT117 199% 199% -32% -4% 50% -24% -31% 5% 5361% 31% 181% 61% -28% -28% __ __
PT118 157% 157% -49% -7% 110% 188% -60% -65% 15523% 18% 51% 14% -11% -11% __ __
PT150 36% 36% 5% 176% 142% -9% -66% -51% 660% 57% 211% 227% -35% -35% -12% -12%
PT161 -28% -28% -28% 20% 13% 64% -84% -95% 12130% 793% 690% 437% 56% 56% -52% -52%
PT162 29% 29% -37% 5% 11% 177% -55% -87% 24792% 418% 58% 87% 223% 223% __ __
PT163 1% 1% -39% 100% 39% 256% -88% -95% 20398% 639% 238% -19% 242% 242% __ __
PT164 -20% -20% -44% 53% 19% 35% -42% -61% 3595% 406% 349% 1600% -31% -31% __ __
PT165 31% 31% -27% 55% -1% -1% -44% -57% 11692% 531% 647% 670% -23% -23% __ __
PT166 -8% -8% -1% 98% 107% 32% -70% -61% 4% -36% 466% 2918% -76% -76% __ __
PT167 140% 140% -44% -23% 50% 74% -38% -45% 6918% 271% 21% 112% 97% 97% __ __
PT168 16% 16% -69% -32% 81% -31% -32% 1% 1817% 103% 133% 92% __ __ __ __
PT169 123% 123% -37% 5% 160% 55% -80% -77% 32% 50% -51% -71% 25% 25% __ __
PT16A 175% 175% -18% 9% 101% -14% -65% -16% 26% 20% -22% 106% 109% 109% __ __
PT16B 8% 8% -36% 12% 35% -20% -65% -61% 1090% 299% 37% 150% 300% 300% __ __
PT16C 41% 41% -29% 51% 72% 64% -81% -86% 296% -24% 60% 1503% -41% -41% __ __
PT171 -26% -26% -37% 20% 11% -68% -29% 119% 3887% 783% 64% 208% 23% 23% -62% -62%
PT172 10% 10% -65% -21% 25% -31% -43% -37% 750% 385% -40% 25% -29% -29% 31% __
PT181 99% 99% -70% -30% 101% 254% -82% -90% 56% -8% 229% 140% -2% -2% -64% -64%
PT182 26% 26% -57% 1% 203% 39% -82% -80% -14% -30% 388% 554% 38% 38% __ __
PT183 49% 49% -74% -27% 414% 123% -86% -90% 51% -40% 976% 1% 2% 2% __ __
PT184 11% 11% -53% -9% 406% 8% -76% -56% 108% 14% 2065% 352% 38% 38% __ __
PT185 109% 109% -50% -9% 65% 76% -82% -86% 201% -37% 468% 443% -60% -60% __ __
115
Anexos
Anexo 14: Comparação das Estimativas para as classes de uso do solo U110, U120, U130, U340 e U612, dadas através dos dados LUCAS 2009, ao nível das NUTS 3, com os resultados obtidos de outras fontes de dados
NUTS3
Classes de uso
do solo
EST_AREA (LUCAS)
CV AREA_NDS DIF. (%)
Classes de uso
do solo
EST_AREA (LUCAS)
CV AREA_NDS DIF. (%)
Classes de uso
do solo
EST_AREA (LUCAS)
CV AREA_NDS DIF. (%)
Classes de uso
do solo
EST_AREA (LUCAS)
CV AREA_NDS DIF. (%)
111 U110 493 14 721 -32% U120 734 11 253 190% U130 -- -- 36 -- -- -- -- 3 --
112 U110 440 13 310 42% U120 384 15 145 165% U130 -- -- 7 -- -- -- -- 2 --
113 U110 383 13 248 54% U120 467 12 137 240% U130 17 98,48 1 1715% U340 17 98,48 3 461%
114 U110 249 17 151 65% U120 200 18 36 457% U130 -- -- 1 -- -- 12 102,5 9 38%
115 U110 644 12 575 12% U120 954 9 287 232% U130 17 98,41 12 34% U340 24 102,93 3 644%
116 U110 128 nr 92 39% U120 436 12 52 732% U130 -- -- 15 -- U340 -- -- 2 --
117 U110 1806 6 1235 46% U120 834 11 473 76% U130 -- -- 128 -- U340 -- -- 1 --
118 U110 3513 5 2700 30% U120 1833 8 938 95% U130 -- -- 35 -- U340 -- -- 3 --
150 U110 1428 8 743 92% U120 888 12 466 91% U130 48 55,22 12 284% U340 33 70,52 23 44%
161 U110 476 nr 233 105% U120 967 6 123 688% U130 -- -- 9 U340 30 70,16 5 467%
162 U110 659 9 332 98% U120 1042 7 169 515% U130 13 101,39 1 1279% U340 16 100,37 5 221%
163 U110 471 13 135 249% U120 888 8 74 1097% U130 -- -- 28 -- U340 -- -- 2 --
164 U110 386 18 137 182% U120 1655 6 177 835% U130 -- -- 5 -- U340 -- -- 1 --
165 U110 741 11 383 93% U120 1513 7 328 362% U130 -- -- 15 -- U340 15 99,8 4 238%
166 U110 287 20 98 192% U120 1254 7 312 302% U130 -- -- 0 -- U340 -- -- 0 --
167 U110 225 25 145 56% U120 301 21 58 419% U130 -- -- 1 -- U340 -- -- 0 --
168 U110 1565 7 1218 28% U120 957 11 254 276% U130 21 100,88 50 -59% U340 17 98,58 2 851%
169 U110 1272 8 1339 -5% U120 1853 6 568 226% U130 16 98,3 0 -- U340 14 99,96 2 654%
16A U110 527 nr 395 33% U120 596 10 144 314% U130 -- -- 18 -- U340 -- -- 1 --
16B U110 986 8 590 67% U120 485 13 114 327% U130 40 56,94 4 1001% U340 -- -- 6 --
16C U110 679 12 390 74% U120 1087 8 287 279% U130 -- -- 0 -- U340 16 98,23 4 339%
171 U110 446 12 312 43% U120 66 48 43 53% U130 -- -- 0 -- U340 40 54,77 17 138%
172 U110 565 12 512 10% U120 363 16 146 149% U130 38 72,66 0 -- U340 28 70,92 9 196%
181 U110 1659 6 2324 -29% U120 2667 5 556 380% U130 -- -- 3 -- U340 50 57,44 4 1200%
182 U110 2546 5 4348 -41% U120 3000 4 500 501% U130 -- -- 1 -- U340 -- -- 4 --
183 U110 3482 4 5340 -35% U120 3247 4 425 665% U130 27 101,8 47 -44% U340 -- -- 5 --
184 U110 4936 3 5351 -8% U120 2728 6 561 386% U130 -- -- 35 -- -- -- -- 3 --
185 U110 1743 6 1828 -5% U120 2005 5 748 168% U130 18 98,55 5 249% U340 33 70,35 7 351%
116
Anexos
Anexo 15: Comparação das Estimativas para as classes de uso do solo U110, U120, U130, U340 e U612, dadas através dos dados LUCAS 2012, ao nível das NUTS 3, com os resultados obtidos de outras fontes de dados
NUTS3 Classes uso do
solo LUCAS CV NDS DIF. %
Classes uso do
solo LUCAS CV NDS DIF. %
Classes uso do
solo LUCAS CV NDS DIF. %
Classes uso do
solo LUCAS CV NDS DIF. % LU LUCAS CV NDS DIF. %
111 U110 516 13 721 -28% U120 646 10 253 155% U130 -- -- 36 -- U340 -- -- 3 -- U612 647 12 355 82%
112 U110 461 10 310 49% U120 495 10 145 241% U130 -- -- 7 -- U340 -- -- 2 -- U612 109 31 167 -35%
113 U110 375 11 248 51% U120 371 13 137 170% U130 -- -- 1 -- U340 -- -- 3 -- U612 184 NaN 2 9676%
114 U110 202 15 151 34% U120 240 14 36 567% U130 -- -- 1 -- U340 4 143 9 -50% U612 4 129 4 -9%
115 U110 681 11 575 19% U120 956 8 287 233% U130 7 132 12 -41% U340 -- -- 3 -- U612 435 15 30 1368%
116 U110 279 13 92 202% U120 358 12 52 583% U130 -- -- 15 -- U340 -- -- 2 -- U612 90 33 0 --
117 U110 1431 7 1235 16% U120 775 10 473 64% U130 -- -- 128 -- U340 -- -- 1 -- U612 593 13 264 125%
118 U110 3564 4 2700 32% U120 2051 6 938 119% U130 -- -- 35 -- U340 16 84 3 514% U612 760 12 1451 -48%
150 U110 1997 5 743 169% U120 1408 7 466 202% U130 29 62 12 135% U340 24 71 23 3% U612 282 19 471 -40%
161 U110 493 10 233 112% U120 842 6 123 586% U130 27 64 9 198% U340 31 67 5 474% U612 199 20 7 2619%
162 U110 543 10 332 64% U120 932 6 169 450% U130 4 146 1 381% U340 -- -- 5 -- U612 174 22 7 2567%
163 U110 496 10 135 268% U120 844 7 74 1037% U130 -- -- 28 -- U340 4 141 2 87% U612 15 NaN 176 -91%
164 U110 381 14 137 178% U120 1365 6 177 671% U130 -- -- 5 -- U340 23 73 1 1564% U612 458 NaN 4 12087% 165 U110 912 9 383 138% U120 1253 7 328 282% U130 -- -- 15 -- U340 -- -- 4 -- U612 708 12 0 --
166 U110 227 19 98 131% U120 1378 5 312 341% U130 -- -- 0 -- U340 -- -- 0 -- U612 81 38 0 -- 167 U110 171 nr 145 18% U120 211 21 58 264% U130 -- -- 1 -- U340 -- -- 0 -- U612 182 24 386 -53%
168 U110 1379 7 1218 13% U120 765 11 254 201% U130 29 76 50 -41% U340 7 139 2 269% U612 520 14 588 -12%
169 U110 1563 6 1339 17% U120 1968 5 568 247% U130 9 130 0 -- U340 -- -- 2 -- U612 18 92 389 -95%
16A U110 538 nr 395 36% U120 509 11 144 254% U130 -- -- 18 -- U340 -- -- 1 -- U612 93 34 142 -35%
16B U110 1043 6 590 77% U120 540 11 114 375% U130 29 58 4 696% U340 -- -- 6 -- U612 92 34 97 -6%
16C U110 765 9 390 96% U120 1049 7 287 266% U130 -- -- 0 -- U340 -- -- 4 -- U612 30 56 94 -68%
171 U110 587 11 312 89% U120 131 27 43 205% U130 16 104 0 -- U340 29 61 17 71% U612 120 35 219 -45%
172 U110 648 9 512 27% U120 410 15 146 181% U130 -- -- 0 -- U340 28 66 9 195% U612 153 31 229 -33%
181 U110 3128 4 2324 35% U120 1675 7 556 201% U130 -- -- 3 -- U340 5 179 4 32% U612 292 16 545 -46%
182 U110 3767 3 4348 -13% U120 2046 6 500 310% U130 -- -- 1 -- U340 -- -- 4 -- U612 189 24 565 -66%
183 U110 4248 3 5340 -20% U120 2486 5 425 486% U130 34 58 47 -29% U340 -- -- 5 -- U612 141 28 0 --
184 U110 5665 2 5351 6% U120 2116 6 561 277% U130 -- -- 35 -- U340 -- -- 3 -- U612 122 27 697 -82%
185 U110 2138 5 1828 17% U120 1599 7 748 114% U130 -- -- 5 -- U340 21 73 7 183% U612 48 50 111 -57%
117